这几乎听起来像是一个笑话,但我向你保证这是现实。在互联网上有一个你们都用过的网站,它不相信css类。所有的样式都直接定义在元素的style标签中。这太可怕了。
我的问题是,这也使得HTML非常难以解析。我所依据的结构看起来像这样:
<td>
<a name="<random_string>"></a>
<div style="generic-style, used by other elements">
<div style="similarly generic style">{some_stuff}</div>
</div>
<a name="<random_string>"></a>
...
</td>
基本上,我有一些a
标签,它们形成了评论的边界,唯一的定义信息是它们的名称是随机字符串。我并不真正关心锚点标签,但我想使用xpath抓取它们之间的评论。
我研究了同级查询,但它们似乎不适用于交替边界。我还研究了xpath查询的Kayessian
方法,这种方法(除了有一个很棒的名字)似乎只适用于抓取特定的div,而不是所有在锚点标签之间的div。
你有什么想法可以帮我抓取这些div吗?