【发布时间】：2015-05-28 12:16:58
【问题描述】：
我正在尝试使用来自网站 Allociné（最大的法国电影数据库）的电影数据创建一个 .csv 文件，用于一个研究项目，使用 import.io 的 Crawler，因为我的编程知识很差（目前正在攻读生态学博士学位) 并且拥有一个易于理解的工具似乎是最好的主意。
对于我需要的每一部电影：
- 电影的标题
- 发布日期（FR 中的“Date de Sortie”）
- 电影的类型
这里是 Allociné 电影页面的示例（适用于《星球大战 I》）：http://www.allocine.fr/film/fichefilm_gen_cfilm=20754.html
起初我尝试使用 import.io 的选择工具，但它不起作用，因为有些电影有两个发行日期而不是一个（例如上面的 SW1 - 1999 年的原始发行和 2012 年的 3D 发行（“重播”））-这与爬行者搞砸了。所以我不得不使用 XPaths 来识别我需要的元素。标题工作正常（使用//title），但我对发布日期和类型有疑问。
对于发布日期，我从页面源中提取的 XPath 是：
//*[@id="col_main"]/div[4]/div/div[2]/table/tbody/tr[2]/td/a/strong/span
我在末尾添加了/@content，以获取yyyy-MM-dd格式的日期，导致：
//*[@id="col_main"]/div[4]/div/div[2]/table/tbody/tr[2]/td/a/strong/span/@content
但是，import.io 无法识别我需要他找到的元素。
对于流派，同样的事情，我从 Chrome 获得了这个 XPath，用于第一个流派（科幻）：
//*[@id="col_main"]/div[4]/div/div[2]/table/tbody/tr[5]/td/a[1]/span
我需要 import.io 来收集所有流派，所以我从 a[1] 中删除了 [1] 以获得整个 a。
//*[@id="col_main"]/div[4]/div/div[2]/table/tbody/tr[5]/td/a/span
也不行，import.io 返回一个空元素。
所以，任何关于它为什么不起作用的解释都将非常感激！很抱歉，如果我错过了一些显而易见的事情，正如我所说，我根本不是专家。
布莱斯
【问题讨论】：
标签： xml xpath web-crawler import.io