Yahoo Pipe：如何解析子 DIV

Question

对于一个有多个DIV的页面，如何只从包含有用文本的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。我想要的只是获取

父 DIV 中的有用内容。

管道可以做到这一点吗？

谢谢。

Answer 1

尝试使用 xpath 的 YQL 模块。沿着这些思路：

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

上面的查询将检索

内的 html 部分。父级

下的标签标签。如果您的 DIV 具有属性，您会喜欢 xpath。

举例来说，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 xpath 相当陌生，但它有到目前为止为我工作。