XPath2Doc半自动网页数据采集填充Docx工具1.2绿色版

各位是否在找半自动的网页数据填充Docx工具呢，那就下载XPath2Doc免费版进行体验吧，这是一款功能实用的半自动采集网页生成Word docx文件工具，它提供了企查查、天眼查采集配置，使用它你还需要在WebBrowser窗口里面手工登录一下，并且找到需要的数据页面，然后点击程序按钮即可进行采集了，那么你想使用的话就来下载XPath2Doc官方版开始采集数据哦。

工作原理

网页的每一个元素都能够表示成为XPath语句，因此可读取浏览器打开的网站页面源代码，通过XPath语句获得网页元素中的文本。

XPath语句的获取办法：一盘我们可使用谷歌Chrome浏览器打开网站页面，按F12调出开发者工具界面，在ELements选项卡下，随着鼠标的移动能够看到网页内容被阴影覆盖，点开三角符号，能够更进一步定位准确的位置，直到找到最终需要的数据位置。在找到的文本上点鼠标右键，在弹出的菜单中，选择Copy-Copy XPath，然后粘贴到记事本就能够获得到需要的XPath语句。

需要注意的是，假如拷贝出来的XPath语句中有/tbody则会影响到采集，程序内部也对此问题进行了处理，不过可能会在某些特殊情况下仍然会影响数据采集，我们可手工将其去掉。

配置说明

1、本程序工作需要3个配置文件：General.ini，自定义.ini，自定义模板.docx。后两个文件名自己定义。

General.ini文件中定义了INI文件和Docx模板文件的存放目录，可不填，默认是程序所在目录。

自定义.ini、自定义模板.docx是软件使用者自己创建的网页采集XPath语句以及最后生成文件所用的Docx模板，具体设置方法请看ini文件中的说明。

需要注意的是，Docx模板文件中的“@<#0001#>@”之类的字符是在INI文件中定义的用于替换网页采集内容的标记字符串。ini文件中定义了替换关键字的前后缀和模板文件名。

2、使用本程序之前，请一定要先建立好你自己的INI配置文件和Docx模板文件。（具体可参见附带的企查查、天眼查两个配置文件和起诉书模板）

需要注意的是，模板文件支持对文档的不同部分使用不同的网址进行采集，注意Url的设置。

使用方法

启动程序--选择模板--点击采集数据按钮旁边的黑色三角符号，点开下拉菜单，点击需要采集的部分，接着等候浏览器加载网页完毕，手工输入需要查询的内容，点击查询，找到数据的具体页面，接着点击采集数据按钮，观察右侧的列表中是否已经得到需要的数据。继续点开下拉菜单，选择下一个需要采集的部分，要是网址发生了变化要等候浏览器加载完毕，找到需要的数据页面。点击采集数据按钮观察右侧列表中是不是得到了第二部分的数据。如此反复，直到数据全部采集完毕。

要是前后两部分的网址相同，在点击下一部分的下拉菜单之前，要先在浏览器中重新查询新的数据，等新数据页面出来以后在点击下拉菜单选择下一部分进行采集。（网址相同的情况下，点击下一部分会直接从网页取数据，要是浏览器没有换页面，数据就错了。）要是某个部分需要重新采集，请先点击下拉菜单中的该部分名称，接着点击采集按钮重复采集该部分（这时可随意改变浏览器的数据页面，得到的就是不一样的公司数据）。

列表中采集得到的数据结果如果有偏差，可单击自行修改。XPath语句要是有什么错误，也能够自己修改看测试结果（XPath语句在修改以后会马上重新抓取浏览器的数据，因此浏览器最好是有效数据页面），在程序中修改的XPath语句，不会保存到INI文件中，请大家手工保存。

要是列表中数据无误，预览窗口中的Docx模板内容也正确，则可点击创建文档按钮，填写要生成的文件名，该软件会使用抓取到的网页数据替换模板中的索引字符串，自动生成Docx文档。

需要注意的是，右下角的Docx预览窗口无法完整的支持Word文档，对不标准的文档可能出现文本缺失或者错位现象。遇到此问题可以忽略，或将模板文件改成规范的文本格式（单倍行距）。