Powershell -如何使用XPath提取本地html文件的元素
Powershell -如何使用XPath提取本地html文件的元素
提问于 2020-03-03 03:49:08
我正在尝试从IMDB网站上抓取一些数据。我想要提取的数据是一些电影的标题(电影名称)、发行年份和情节摘要。我已经批量下载了我想要从硬盘中提取的所有页面，当我检查我想在Google上提取的页面元素时，它的完整XPath选择器就像电影名称一样：
/html/body/div[3]/div/div[2]/div[5]/div[1]/div/div/div[1]/div[2]/div/div[2]/div[2]/h1/text()我花了时间找出问题的代码，但没有答案(据我所知)。我读了一些代码
$html = Get-Content -Path "E:\POWERSHELL\IMDB pages\tt0062940.html" -Raw
$htmlFile = New-Object -ComObject "HTMLFile"
$htmlFile.IHTMLDocument2_write($html)但我现在不知道该怎么办。请有人告诉我，我们是否可以使用XPath来选择Powershell中的HTML来解析和提取本地文件中的信息。谢谢。
回答 1
Stack Overflow用户
发布于 2020-03-03 04:25:36
您可以使用Select-Xml，如下所示。
$Path = "E:\POWERSHELL\IMDB pages\tt0062940.html"
$h1Text = (Select-Xml -Path $Path -Xpath /html/body/div[3]/div/div[2]/div[5]/div[1]/div/div/div[1]/div[2]/div/div[2]/div[2]/h1).Node.InnerText
$h1Text或者，您可以用双引号包装路径，这样就不必担心文件夹名称之间的空格。
$h1Text = (Select-Xml -Path "E:\POWERSHELL\IMDB pages\tt0062940.html" -Xpath /html/body/div[3]/div/div[2]/div[5]/div[1]/div/div/div[1]/div[2]/div/div[2]/div[2]/h1).Node.InnerText
$h1Text页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/60499808
复制相关文章
相似问题
腾讯云开发者
