html - 如何更改 Xidel 中导出变量的顺序？

Question

我正在使用Xidel从网页中抓取信息，但我坚持以与页面上不同的顺序导出信息。

例子：

<tr>
<td></td>
<td></td>
<td></td>
<td><a><font><b>{ location:=. }</b></font>{ title:=. }</a></td>
<td>{ dates:=. }</td>
<td></td>
</tr>

此代码将导出为标题，然后是副标题。西德尔有什么办法可以改变顺序吗？

Answer 1

这可能很简单：

xidel -q page.html -e subtitle:=//h2,title:=//h1

像下面这样的东西（带有几个“-e”参数）也可以工作，但就像前面的代码一样，它会首先对页面上的所有字幕和所有标题进行分组，这可能不是你想要的......

xidel -q page.html -e "<div><h2>{subtitle:=.}</h2></div>+" -e "<div><h1>{title:=.}</h1></div>+" 

AFAIK，在您的情况下，Xidel 中没有订购功能。但是您可以做的是编写一个脚本，在其中将值保存为 env。使用 xidel --output-format cmd（如果是 Windows）的变量，然后（以正确的顺序）回显/处理这些变量/值。

Dirkk 给出了一个很好的提示（不要分组），您的行可能看起来像这样：

xidel -q page.html --xquery "for $i in //div return (concat('sub:=',$i/h2), concat('title:=',$i/h1))"

Answer 2

我从来没有使用过这个工具，但是快速浏览一下文档并看到它支持 XQuery，我猜以下应该可以工作：

xidel -q page.html --xquery "for $div in //div return ($div/h2, $div/h1)" --output-format xml 

这假设您的页面中有几个这样的 div 元素，并且希望首先单独对所有标题进行排序，即不是所有的字幕都在前面。此外，由于您没有给出更具体的 XML 示例，它只是选择所有 div 并对其进行迭代 - 在现实世界的 HTML 中，您可能需要更多特征（如 id 属性）。