如何在 node.js 中提取标签的 href

Question

我正在尝试抓取此页面： https://www.sahibinden.com/kategori-vitrin?date=1day&viewType=Gallery&a5_min=2005&a5_max=2020&category=3530

我需要提取此页面上列出的广告的链接。 我在 yaml 文件中提供了 xpath，然后由 node.js 读取和解释。 在data: "xpath: //html/body/div[4]/div[4]/form/div/div[3]/div[2]"文件中，我简单地给它这个：它被解释为：

function getxPath(data, path) {
  try {
    let root = new dom().parseFromString(data);
    
    let results = xpath.select(path, root);
    console.log(results);
    if (results.length > 0) {
      let _results = [];
      for (let r of results) {
        _results.push(r.textContent);
      }
      return _results;
    }
  } catch (exc) {
    console.log(exc);
  }
  return null;
}

我希望能够提取链接，但到目前为止我只得到这样的文本：

827926997

Sahibinden_Temiz_Orj Km_Tramersiz_




                     72.500 TL



                            Yıl:
                         
                        2010


                            KM:
                         
                        108.000


                            Renk:
                         
                        Gri

                    İlan Tarihi: 
                    03 Haziran 2020

                    İl / İlçe: 
                    İstanbul / Esenyurt

如何获取链接？

Answer 1

看来您需要修复 XPath 表达式。 您请求div元素而不是@href属性。

使用以下 XPath：

//a[@class="classifiedTitle"]/@href

Output：每页 20 个链接。

编辑：在YAML文件中，用单引号替换双引号，例如：

data: "xpath://a[@class='classifiedTitle']/@href"