功能五、取值属性

取值属性

首先，字段通过 XPath 定位查找到 Html 元素，然后我们就需要通过取值属性 来确定 Html 元素的哪个部分来作为字段值。

一般情况下，采集器默认使用 InnerText 属性（当前节点以及其子节点的文本）

除了 InnerText，还有其以下内置属性：

• Text ，表示当前节点的文本
• InnerHtml，表示当前节点内部的 HTML 语句（不包括当前节点）
• OuterHtml，表示当前节点的 HTML 语句
• FormattedText，表示获取当前节点的格式化文本，即在浏览器上显示的文本格式，一般用在采集文章内容

常用的属性还有：

• href，表示链接地址（A标签 a）
• src，一般表示图片地址（IMG标签 img）
• class，表示样式（css）
• *data-**，表示一些数据类型

除了内置属性外，用户可以手动填写 HTML 属性。

*特别提示：这里是可以手动输入属性名称，即使下拉选项中没有。比如常见的onclick、value、class。

对元素的取值方式，可以选择默认的六种取值属性来提取不同的内容，但可能有些元素的属性名称不在以上六种之中，也可以手动输入相应的属性名来提取，比如有元素<a href=”” data=”xxx”>测试</a>，要提取该元素自定义的data属性值，在提取属性文本框里输入data就可以提取data的属性值了。

需要注意的是，上面取值属性下拉列表里的六个选项并非全是元素html里的原始属性名，下面说一下它们的区别：

这里我们假设要提取的原始HTML如下

<div>

<p>p标签内的文本</p>

<a href=””>链接a</a>

这里是Text文本

</div>

OuterHTML：提取整个元素的HTML代码，上面示例提取结果为

<div>

<p>p标签内的文本</p>

<a href=””>链接a</a>

这里是Text文本

</div>

InnerHTML：提取该元素内部HTML代码，提取结果：

<p>p标签内的文本</p>

<a href=””>链接a</a>

这里是Text文本

InnerText：将InnerHTML中的HTML标签去掉，即去掉html中开始和结束标签，标签内的文本保留，提取结果：

p标签内的文本

链接a

这里是Text文本

Text：将InnerHTML中的HTML标签及标签内的文本去掉，提取结果：

这里是Text文本

Href：是链接元素的原始属性href，如<a href=”xxx”>链接</a>中href属性值，目标元素没有改属性时提取到的值为空

Src：是图片元素的元素属性src，如<img src=”xxx” />的src属性值，目标元素没有改属性时提取到的值为空