В этой части продолжаем разбирать реальные ситуации, с которыми сталкиваются при парсинге сайтов в Datacol.
Мы рассмотрим, как использовать логические условия, функции поиска по началу и концу строки, очистку текста, навигацию по дереву элементов и сбор множественных значений.
Объединение условий (and, or)
Иногда нужно выбрать элементы, которые удовлетворяют сразу нескольким условиям.
Например, ссылку с конкретным классом и наличием определённого атрибута,
или наоборот — один из нескольких вариантов ссылки.
HTML пример:
<div class="product" data-id="153">
<a href="/catalog/item-1" class="link">Подробнее</a>
</div>
<div class="product">
<a href="/sale/item-2" class="link">Подробнее</a>
</div>
<div class="news">
<a href="/blog/post-1" class="link">Читать</a>
</div>XPath:
//div[@class='product' and @data-id]//a👉 Находит все ссылки внутри блоков product, у которых есть атрибут data-id.
XPath (вариант с or):
//a[contains(@href, '/catalog') or contains(@href, '/sale')]👉 Выбирает все ссылки, которые ведут либо в раздел /catalog, либо /sale.
Поиск по началу и концу строки (starts-with(), ends-with())
Позволяет находить элементы, когда атрибуты формируются динамически, например, при генерации ID.
HTML пример:
<div>
<span id="price_101">1990 ₽</span>
<span id="price_102">2590 ₽</span>
<span id="old_price">2990 ₽</span>
<img src="/images/item-1.jpg">
<img src="/images/item-2.png">
</div>XPath с starts-with:
//span[starts-with(@id, 'price_')]👉 Выберет только элементы, где id начинается с price_ (в нашем примере — первые два <span>).
XPath с ends-with:
//img[substring(@src, string-length(@src)-3) = '.jpg']В XPath 1.0 (который использует Datacol) нет функции ends-with(),
поэтому используем обходное решение через substring().
Этот запрос найдёт все изображения, у которых имя файла оканчивается на .jpg.
Очистка текста с помощью normalize-space()
Иногда HTML-код содержит лишние пробелы и переносы, из-за чего поиск по тексту не срабатывает.normalize-space() убирает лишние пробелы и переводит строку в аккуратный вид.
HTML пример:
<table>
<tr>
<td> Вес </td>
<td> 2.5 кг </td>
</tr>
<tr>
<td> Цвет </td>
<td> Серый </td>
</tr>
</table>XPath:
//td[normalize-space(text())='Вес']/following-sibling::td[1]/text()👉 Найдёт ячейку с текстом «Вес»,
затем перейдёт к следующей ячейке в строке (following-sibling::td[1])
и вернёт значение — 2.5 кг.
Навигация по дереву: ancestor::, following::, preceding::
XPath позволяет подниматься вверх, вниз и в стороны по DOM-дереву.
Это удобно, когда нужный элемент связан логически, но не напрямую вложен.
<div class="card">
<h2>Характеристики</h2>
<table>
<tr><td>Мощность</td><td>800 Вт</td></tr>
</table>
</div>
<div id="breadcrumbs">
<a href="/">Главная</a> › <a href="/catalog">Каталог</a>
</div>
<a class="active" href="/catalog/item-1">Товар</a>
<ul class="menu">
<li><a href="/">Главная</a></li>
<li><a href="/catalog">Каталог</a></li>
</ul>Примеры XPath:
//h2[text()='Характеристики']/following::table[1]//tr👉 Найдёт таблицу, которая следует сразу после заголовка «Характеристики».
//div[@id='breadcrumbs']/preceding::h2[1]👉 Найдёт ближайший h2, который находится перед блоком с id='breadcrumbs'.
//a[@class='active']/ancestor::ul👉 Поднимется вверх по дереву и найдёт родительский список <ul> для активной ссылки.
Сбор множественных значений (массивы)
Когда на странице несколько однотипных элементов (например, размеры, цвета, опции),
нужно собрать их в одном поле Datacol, настроив его как статическое.
HTML пример:
<ul class="sizes">
<li>S</li>
<li>M</li>
<li>L</li>
<li>XL</li>
</ul>
<select name="color">
<option disabled>Выберите цвет</option>
<option>Белый</option>
<option>Черный</option>
<option>Красный</option>
</select>XPath для списка размеров:
//ul[@class='sizes']/li/text()👉 Собирает все значения размеров (S, M, L, XL) в массив.
XPath для доступных цветов:
//select[@name='color']/option[not(@disabled)]/text()👉 Собирает все значения <option>, кроме тех, где есть атрибут disabled.
💡 Советы по использованию
- Если парсер возвращает пустое значение — проверьте, не мешают ли пробелы, кавычки или невидимые символы.
- Используйте как можно более конкретные выражения — это ускоряет сбор данных и уменьшает риск ошибок.
Рекомендую также ознакомится с первым материалом по Xpath для Datacol.
