XPathとは？ Octoparseでの作用は？

XPath (XML Path Language)とは、XML形式の文書から、特定の部分を指定して抽出するための簡潔な構文(言語)です。HTML形式の文書にも対応します。Octoparseで要素をクリックすることによって自動生成されるXPathより、カスタマイズされたXPathは自由度と正確度が高いです。

Octoparseでは、XPathを変更して、取得するデータを正確に見つけることができます。XPathの詳細については、こちらのチュートリアルを参照してください：https://www.w3schools.com/xml/xpath_intro.asp

 

XPathの使いはいつですか？

ほとんどの場合、XPathを書く必要はありません。しかし、データをより正確に見つけるためにXPathを修正する場合もあります。

（上級のチュートリアルですから、XPathを使う前に、XPathの知識は欠かせない。）

• 不規則な位置でデータを抽出する
• 余分なデータまたは不足のデータ
• 「Next」ボタンのないページ遷移 
• 「Next」ボタンを正確に指定できない
• スイッチのないドロップダウンメニューのループ

 

XPathはどこで変更できますか？

OctoparseでXPathを変更するには：

変更するデータフィールドを選択し、を選択してデータフィールドをカスタマイズします。

 

「Xpathをカスタマイズする」を選択します。

 

 

 

「絶対Xpath」テキストボックスに新しいXPathを入力します。

 

ページ遷移やドロップダウンの切り替などの「ループアイテム」ステップには、「高級オプション」の下のXPathテキストボックスがあります。新しいXPathを入力し、「OK」をクリックして変更を保存します。

 

 

 

XPathを書き方

XPathは、HTMLのタグと属性に基づいて要素を指定します。(HTMLについて分からない方はこちら➡HTMLに関するチュートリアル )

 

【Firefoxの場合】　

Firefoxの旧バージョンに搭載されているプラグイン「Firebug」が（旧バージョンのFireboxをダウンロードする)

FirefoxでWebページを開く➡Firebugボタンをクリック➡ページ内の要素をクリック➡その要素のXPathが表示されます。

 

 

＜OctoparseのXPath生成ツールを使って書く＞ - XPath toolを提供します。

Octoparseのサイドメニュー「ツール」➡「XPathツール」を開き、必要な項目を入力することによって、XPathを簡単に作成できます。

 

 

 

 

Octoparseで使用される一般的なXPath式

XPath	意味
.	カレントノードを選択する
//*	すべての要素を選択する
.//	カレントノードから開始する要素を選択する
@	属性を選択する
.//div	カレントノードから開始する<div>要素現を選択する
//li[a]	<a>要素を含む<li>要素を選択する
//li[a or h2]	<a>または<h2>要素を含む<li>要素を選択する
.//div[@class='publish-time']	“publish-time”という属性を持つ<div>要素を選択する
.//*[text()='Next']	“Next”テキストを選択する
//a[contains(text(), ‘Next’)]	“Next” テキストを含む<a>要素を選択する
.//*[contains(@class, 'name')]	“name”文字列を含むすべての<class>属性を選択する
following-sibling	カレントノードより後ろにある兄弟を選択する
//h1/following-sibling::p[1]	<h1>の後ろに一番目の<p>要素を選択する

 

以上が、クローラーに便利なXPathまとめでした！
XPathは比較的覚えやすく理解しやすい言語ですので、ぜひXPathを試してみてください！

 詳細は以下のリンクを参照してください。

 XML Path Language – Wikipedia

 XPath の例 – MSDN