XPath2Doc是一款實(shí)用的數(shù)據(jù)采集軟件。這款軟件支持自動(dòng)采集網(wǎng)頁(yè)生成Word docx文件，還可以讀取瀏覽器打開的網(wǎng)站頁(yè)面源代碼，功能非常豐富實(shí)用。感興趣的朋友不要錯(cuò)過(guò)了。

軟件說(shuō)明

XPath2Doc(通用網(wǎng)站數(shù)據(jù)采集及Doc生成工具)是一個(gè)半自動(dòng)采集網(wǎng)頁(yè)生成Word docx文件的工具，帶企查查、天眼查采集配置，使用XPath2Doc需要自己在WebBrowser窗口里面手工登錄，并找到需要的數(shù)據(jù)頁(yè)面，然后點(diǎn)擊程序按鈕進(jìn)行采集，所以是個(gè)半自動(dòng)的網(wǎng)頁(yè)數(shù)據(jù)填充Docx工具。

工作原理

網(wǎng)頁(yè)的每個(gè)元素，都可以表示成為XPath語(yǔ)句，所以我們可以讀取瀏覽器打開的網(wǎng)站頁(yè)面源代碼，通過(guò)XPath語(yǔ)句得到網(wǎng)頁(yè)元素中的文本。

XPath語(yǔ)句的獲取辦法：

通常我們可以使用谷歌的Chrome瀏覽器打開網(wǎng)站頁(yè)面，按F12調(diào)出開發(fā)者工具界面，在ELements選項(xiàng)卡下，隨著鼠標(biāo)的移動(dòng)可以看到網(wǎng)頁(yè)內(nèi)容被陰影覆蓋，點(diǎn)開三角符號(hào)，可以更進(jìn)一步定位準(zhǔn)確的位置，直到找到最終需要的數(shù)據(jù)位置。在找到的文本上點(diǎn)鼠標(biāo)右鍵，在彈出的菜單中，選擇Copy-Copy XPath，然后粘貼到記事本即可得到需要的XPath語(yǔ)句。

這里需要說(shuō)明一點(diǎn)：如果拷貝出來(lái)的XPath語(yǔ)句中有/tbody會(huì)影響采集，程序內(nèi)部對(duì)此問題進(jìn)行了處理，但可能會(huì)在某些特殊情況下還是會(huì)影響數(shù)據(jù)采集，可以手工去掉。

運(yùn)行環(huán)境

Windows7 Sp1操作系統(tǒng)請(qǐng)安裝下面的組件(重要：VC庫(kù)如果不安裝，本程序無(wú)法啟動(dòng))：

VC2017往上

.net framework 4.5.2

在Windows10系統(tǒng)下上述組件一般自帶，不需要單獨(dú)安裝。Windows10 1903運(yùn)行通過(guò)。

不支持Windows XP操作系統(tǒng)。

操作說(shuō)明

1、本程序工作需要三個(gè)配置文件：General.ini，自定義.ini，自定義模板.docx。后兩個(gè)文件名自己定義。

General.ini文件中定義了INI文件和Docx模板文件的存放目錄，可以不填，默認(rèn)是程序所在目錄。

自定義.ini、自定義模板.docx是軟件使用者自己創(chuàng)建的網(wǎng)頁(yè)采集XPath語(yǔ)句及最后生成文件所用的Docx模板，具體設(shè)置方法請(qǐng)看ini文件中的說(shuō)明。注意，Docx模板文件中的“@<#0001#>@”之類的字符是在INI文件中定義的用于替換網(wǎng)頁(yè)采集內(nèi)容的標(biāo)記字符串。ini文件中定義了替換關(guān)鍵字的前后綴和模板文件名。

2、使用本程序前，請(qǐng)先建立好你自己的INI配置文件和Docx模板文件。(具體可以參見附帶的企查查、天眼查兩個(gè)配置文件和起訴書模板)

需要說(shuō)明的是，模板文件支持對(duì)文檔的不同部分使用不同的網(wǎng)址進(jìn)行采集，注意Url的設(shè)置。

使用方法

啟動(dòng)程序--選擇模板--點(diǎn)擊采集數(shù)據(jù)按鈕旁邊的黑色三角符號(hào)，點(diǎn)開下拉菜單，點(diǎn)擊需要采集的部分。等候?yàn)g覽器加載網(wǎng)頁(yè)完畢，手工輸入需要查詢的內(nèi)容，點(diǎn)擊查詢，找到數(shù)據(jù)的具體頁(yè)面，然后點(diǎn)擊采集數(shù)據(jù)按鈕，觀察右側(cè)的列表中是不是已經(jīng)得到需要的數(shù)據(jù)。繼續(xù)點(diǎn)開下拉菜單，選擇下一個(gè)需要采集的部分，如果網(wǎng)址發(fā)生了變化要等候?yàn)g覽器加載完畢，找到需要的數(shù)據(jù)頁(yè)面。點(diǎn)擊采集數(shù)據(jù)按鈕觀察右側(cè)列表中是不是得到了第二部分的數(shù)據(jù)。如此反復(fù)，直到數(shù)據(jù)全部采集完畢。

如果前后兩部分的網(wǎng)址相同，在點(diǎn)擊下一部分的下拉菜單之前，要先在瀏覽器中重新查詢新的數(shù)據(jù)，等新數(shù)據(jù)頁(yè)面出來(lái)之后在點(diǎn)擊下拉菜單選擇下一部分進(jìn)行采集。(網(wǎng)址相同的情況下，點(diǎn)擊下一部分會(huì)直接從網(wǎng)頁(yè)取數(shù)據(jù)，如果瀏覽器沒有換頁(yè)面，數(shù)據(jù)就錯(cuò)了。)如果某個(gè)部分需要重新采集，請(qǐng)先點(diǎn)擊下拉菜單中的該部分名稱，然后點(diǎn)擊采集按鈕重復(fù)采集該部分(此時(shí)可以隨意改變?yōu)g覽器的數(shù)據(jù)頁(yè)面，得到的就是不同公司數(shù)據(jù))。

列表中采集得到的數(shù)據(jù)結(jié)果如果有偏差，可以單擊自行修改。XPath語(yǔ)句如果有什么錯(cuò)誤，也可以自己修改看測(cè)試結(jié)果(XPath語(yǔ)句在修改后會(huì)立即重新抓取瀏覽器的數(shù)據(jù)，所以瀏覽器最好是有效數(shù)據(jù)頁(yè)面)，在程序中修改的XPath語(yǔ)句，不會(huì)保存到INI文件中，請(qǐng)自行手工保存。

如果列表中數(shù)據(jù)無(wú)誤，預(yù)覽窗口中的Docx模板內(nèi)容也正確，則可以點(diǎn)擊創(chuàng)建文檔按鈕，填寫要生成的文件名，本軟件會(huì)使用抓取到的網(wǎng)頁(yè)數(shù)據(jù)替換模板中的索引字符串，自動(dòng)生成Docx文檔。

需要說(shuō)明的是，右下角的Docx預(yù)覽窗口不能完整的支持Word文檔，對(duì)不標(biāo)準(zhǔn)的文檔可能會(huì)出現(xiàn)文本缺失或者錯(cuò)位現(xiàn)象。遇到這種情況，可以忽略，或者將模板文件改成規(guī)范的文本格式(單倍行距)。