XPath2Doc v1.0.0.0

Tags： XPath2Doc

XPath2Doc(通用网站数据采集及Doc生成工具)是一款全自动化的工具，旨在从网页页面中采集数据并生成Word docx文件。它自带天眼查和天眼查采集功能，用户可以在WebBrowser对话框中手动登录，并寻找所需的数据页面，然后点击程序流程按钮进行采集。XPath2Doc所以成为了一个自动化的网页页面数据填充Docx工具。

原理

网页页面的每一个元素，都可以表示成XPath句子。我们可以加载并打开浏览器的网页页面源码，通过XPath句子来获取网页元素中的文字。XPath句子的获取方法：通常我们可以使用Google Chrome浏览器打开网页，按F12进入开发者工具页面，在Elements菜单栏下，随着鼠标的移动可以看到网页被阴影遮盖，点击三角符号可以进一步精准定位位置，直到找到最终需要的数据位置。在需要查找的文字上点击鼠标，在弹出的菜单中，选择Copy-Copy XPath，然后粘贴到文本文档就可以获得需要的XPath句子。：如果复制出的XPath句子中有/tbody会影响采集，程序内部对此问题进行了处理，但在一些特殊情况下仍可能会影响数据采集，可以手动删除。

软件环境

Windows 7 Sp1操作系统，需要安装以下组件（注意：VC库如果不安装，本程序无法启动）：VC2017及以上版本，.NET framework 4.5.2。

Windows 10操作系统下，上述组件通常内置，无需单独安装。

Windows 10 1903版本及以上版本兼容。

不兼容Windows XP操作系统。

操作指南

本程序工作需要三个配置文件：General.ini，自定义.ini，自定义模板.docx。后两个文件名可以自行定义。General.ini文件中定义了INI文件和Docx模板文件的存放目录，可以不填，默认是程序所在目录。自定义.ini、自定义模板.docx是软件使用者自己建立的网页采集XPath句子及最终生成文件所用的Docx模板，具体设置方式可以参考ini文件中的说明。，Docx模板文件中的“@<#0001#>@"这类标识符是在INI文件中定义的用于替换网页采集内容的标识字符串。ini文件中定义了替换关键词的前后缀和模板文件名。

使用本程序前，请先创建自己的INI配置文件和Docx模板文件。（具体可以参考附加的天眼查、天眼查2个配置文件和民事起诉书模板）

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，打开下拉列表，点击需要采集的部分。等待浏览器加载网页完毕，手动输入需要查看的内容，点击查看，找到数据的实际网页页面，然后点击采集数据按钮，观察右边的目录中是否已经获得需要的数据。再次打开下拉列表，选择下一个需要采集的部分，如果网址发生了变化要等待浏览器加载完毕，找到需要的数据网页页面。点击采集数据按钮观察右边目录中是否获得了第二部分的数据。如此循环直到数据全部采集完毕。如果前后两部分网址相同，在点击下一部分的下拉列表之前，要先在浏览器中再次查看新的数据，等新数据网页出来以后再点击下拉列表选择下一部分进行采集。（网址相同的情况下，点击下一部分会立即从网页取数据，如果浏览器没有换网页，数据就不对。）

如果某一部分需要重新采集，请先点击下拉列表中的该部分名字，然后点击采集按钮重新采集该部分（这时可以随意更改浏览器的数据网页，获得的就是不同企业数据）。目录中采集获得的数据结果如果有误差，可以点击自主改动。XPath句子如果有任何错误，也可以自己改动看检测结果（XPath句子在改动后会立即重新爬取浏览器的数据，所以浏览器最好保持数据网页页面），在程序中改动的XPath句子，不会保存到INI文件中，请自己手动保存。

如果目录中数据准确无误，浏览对话框中的Docx模板内容也正确，则可以点击生成文档按钮，填写要生成的文件名，本软件会使用爬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。，右下方的Docx浏览对话框不能完全适用Word文档，对不规范的文档格式可能会出现文字缺失或错位情况。遇到这种情况，可以忽略，或者将模板文件改为标准的文档格式（单倍行距）。

软件特点

全自动采集：无需手动复制粘贴，一键采集网页数据。

模板定制：支持自定义Docx模板，满足不同文档格式需求。

XPath定位：利用XPath精确定位网页元素，确保数据准确性。

多网址支持：可对文档的不同部分应用不同网址进行采集。

易用性强：操作简单，即使非技术用户也能轻松上手。

如何使用

准备工作：下载并安装XPath2Doc软件，确保操作系统符合要求。

配置文件：创建自定义.ini和自定义模板.docx文件，设置XPath句子和模板内容。

采集数据：启动程序，选择模板，点击采集数据按钮，按照步骤完成数据采集。

生成文档：检查数据无误后，点击生成文档按钮，输入文件名，生成Docx文档。

XPath2Doc是一款功能强大的网页数据采集及Doc生成工具，能够帮助用户高效地完成数据采集和文档生成工作。