Question

怎样抓取下拉菜单被选择项的值

Answer 1

1. 为什么不能用XPath抓取SELECT的被选项
相比于正则表达式，XPath在抓取网页内容上更加易用，GooSeeker网络爬虫整个都采用XPath表达式来提取信息。但是有些HTML动作控件的内容用XPath抓取不到，例如，下拉菜单SELECT选中的OPTION是哪个？这个信息抓取不到，假设你编写了一个XPath：//select[@class='selectMonth']/option[@selected='true'] ，这个XPath是无效的。如果目标网页上的下拉菜单确实设置了一个缺省选中的OPTION，那只是缺省情况，不代表动态情况。
原因很简单：XPath可以抓取html属性值（attribute），但是不能抓取特性值（property）。
2. GooSeeker在抓取结果文件中保存选中项值
要抓取选中项的值，必须为这个下拉菜单定义一个连续动作，那么DS打数机就能记录下来当前动作做到哪一个OPTION了。下图是一个文件样例。

在文件前部增加了两个标签，用于记录动作循环次数actionno和动作施加点的值actionvalue，数值之间用-+-来间隔开。

actionno：表示每层动作执行到第几次循环了；
actionvalue：表示特定动作类型执行后的结果，比如，选中的OPTION的值，有些动作是不记录结果的，比如，自动滚屏；

上图可以看出，定义了6层动作，第2和第3层动作分别选择年份和月份，而且已经选择到1960年4月。解析这两个字段的时候，识别-+-符号就能分割成相应层次动作的执行次数。如果动作类型是输入，当用户输入的字符串含有+号时，DS打数机就会自动再增加一个+号，所以，解析结果的时候要注意转义处理。