为什么要写XPath这个话题？
最近发现在用户用八爪鱼采集数据过程中遇到的问题，有80%以上的数据爬取遗漏、不准确的问题，都是因为：
「XPath地址不准确」导致。
比如：
A：“我设计好的规则，怎么采集下来很多空白的数据？”
B：“我采集下来的数据，怎么有那么多不必要的字段？导致我后续清洗数据的工作量非常大。”
C：“为何我采集的数据是错的？”
等等……
这些问题都源自采集数据过程中，数据**「定位」**不够精准导致。
而XPath的最大作用就在于**「精准定位」**目标数据。
1、XPath初相识
什么是XPath？
XPath（XML Path Language），其中XML是用来存储和传输数据的网页文档，Path意为路径。
XPath是在HTML文档中查找信息的语言。
XPath 用于在HTML文档中通过元素和属性进行导航。
什么是HTML？
HTML（Hyper Text Markup Language）超文本标记语言。
HTML，用来描述网页的一种语言。我们日常浏览的网页背后都是一个个HTML文档。我们打开一个网页，点击鼠标右键，点击“查看网页源代码”就能看到该网站的HTML文档。
2、XPath在采集过程中如何工作
XPath工作原理
XPath的工作原理
网页上的每个元素都有独立的位置，犹如地球上每个地点都有各自的经纬度。要找到这个元素，需要制定一条通往它的路线。
XPath就是这样一条可以精准找到网页文本中某个元素的路径。
在采集过程中，有了XPath路径，八爪鱼便能迅速从HTML文档中，精准定位到用户需要的数据，并采集下来。
采集过程几乎每一步都有XPath
在八爪鱼制定规则中，除了打开网页以外，其他每个步骤都会有一条XPath。
比如，定位需要提取的数据的XPath。
比如，定位循环采集列表的XPath。
比如，定位循环翻页按钮的XPath。
为了降低用户使用门槛，八爪鱼内置了一项自动生成XPath的功能。在用户设计采集流程中，会帮用户自动生成一条XPath用于定位用户选中的按钮或字段，以实现采集的目的。
3、XPath为什么重要？
既然八爪鱼能自动生成XPath，为什么还要学？
八爪鱼XPath自动生成的XPath只能满足基础且结构较单一的的网页采集。
实际上，所有的网站的结构都是复杂且千变万化的，即使同一个网站的同个栏目底下，其子页面的结构也是不尽相同。
只靠自动生成的XPath，你会经常遇到文章开头提到的采集问题。
这时，如果你会写XPath，问题就能迎刃而解了。
学习XPath对你有什么好处？
| XPath可灵活地应对各式各样的网站
学习XPath，就是学习一套通用的网页数据采集的方法原理。不管网站是什么类型或行业的，掌握了方法和原理，犹如掌握了数学公式，外部变量再多，解题的方法还是一样的。
| XPath可提高采集精准度，一击即中
没有对比就没有伤害，我们看下不精准XPath和精准XPath的采集结果对比。
不精准XPath采集结果（出现大量空白字段）
精准XPath采集结果（数据非常完整）
采集结果出现空白字段几乎都是因网页结构发生变化，XPath的路径不够精准，导致你的采集工作来回返工，工作量倍增。如果你懂XPath，就能写一条精准且通用的XPath匹配不同的网页结构。
| XPath可优化采集流程，提高采集速度
采集的速度除了受网速、设备硬件影响以外，也会受到XPath影响。精准的XPath能够快速定位数据，优化采集流程从而提高采集速度。
| XPath能让你体会到高阶采集技巧的乐趣.
XPath是区分数据采集小白和高手的分水岭。许多用户都在XPath这座“山”前倒下。一旦你学会，你就成为了采集界的高手，即使面对再复杂的网站，采数据犹如探囊取物般容易。
这份乐趣，可是只有学会XPath的你才能体会哦。
4、XPath如何学习
八爪鱼提供丰富、全面的XPath教程，让你从小白进阶XPath高手妥妥的。
扫码关注「八爪鱼采集研究院」，并回复“xpath”，获取XPath最全的学习教程！
