雅虎管道：如何解析子 DIV

【问题标题】：Yahoo Pipe: How to parse sub DIVs雅虎管道：如何解析子 DIV
【发布时间】：2011-05-11 18:07:56
【问题描述】：

对于具有多个 DIV 的页面，如何仅从包含有用文本的 DIV 中获取内容并避免其他用于广告的 DIV 等。

例如这样的页面结构：

...

<div id="articlecopy">

  <div class="advertising 1">Ads I do not want to fetch.</div>

  <p>Useful texts go here</p>

  <div class="advertising 2">Ads I do not want to fetch.</div>

  <div class="related_articles_list">I do not want to read related articles so parse this part too</div>

</div>

...

在这个虚构的例子中，我想去掉广告的两个 DIV 和相关文章的 DIV。我想要的只是在

中获取有用的内容

在父 DIV 中。

Pipe 能做到这一点吗？

谢谢。

【问题讨论】：

标签： yahoo-pipes

【解决方案1】：

尝试使用 xpath 的 YQL 模块。大致如下：

SELECT * from html where url="http://MyWebPageWithAds.com" and xpath='//div/p'

上述查询将检索父

标记下

标记内的 html 部分。如果您的 DIV 具有属性，您可以使用 xpath。

例如，您有一个包含多个 DIV 的页面，但您想要的页面如下所示：

<div>
    <div>Stuff I don't want</div>
    <div class="main_content">Stuff I want to add to my feed</div>
    <div>Other stuff I don't want</div> 
</div>

您可以将上面的 YQL 字符串更改为：

SELECT * from html where url="http://MyWebPageWithAds.com" 
and xpath='//div/div[contains(@class,"main_content")]'

我自己最近才发现 YQL，并且对使用 xpaths 还很陌生，但到目前为止它对我很有用。

【讨论】：