我正在尝试使用import.io的Crawler从研究项目Allociné（法国最大的电影数据库）网站创建一个.csv文件，因为我的编程知识很差（目前正在攻读生态学博士学位）并且有一个易于理解的工具似乎是最好的主意。
对于我需要的每部电影：
以下是Allociné电影页面的示例（适用于星球大战I）：http://www.allocine.fr/film/fichefilm_gen_cfilm=20754.html
起初我尝试使用import.io的选择工具，但它没有用，因为有些电影有两个发布日期而不是一个（如上面的SW1-- 1999年的原始版本和2012年的3D版本（'reprise'）） - 与Crawler搞砸了。所以我不得不使用XPath来识别我需要的元素。标题工作正常（使用//title），但我对发布日期和流派有问题。
对于发布日期，我从页面源中提取的XPath是：
//*[@id="col_main"]/div[4]/div/div[2]/table/tbody/tr[2]/td/a/strong/span
我在最后添加/@content以yyyy-MM-dd格式获取日期，这导致：
//*[@id="col_main"]/div[4]/div/div[2]/table/tbody/tr[2]/td/a/strong/span/@content
但是，import.io无法识别我需要他找到的元素。
对于类型，同样的事情，我从Chrome获得了第一个类型（科幻小说）的XPath：
//*[@id="col_main"]/div[4]/div/div[2]/table/tbody/tr[5]/td/a[1]/span
我需要import.io来收集所有类型，因此我从[1]移除了a[1]以获得a的全部内容。
//*[@id="col_main"]/div[4]/div/div[2]/table/tbody/tr[5]/td/a/span
它也不起作用，import.io返回一个null元素。
所以，任何关于它为什么不起作用的解释都将非常感激！对不起，如果我错过了一些明显的东西，就像我说的那样，我根本不是专家。
布莱斯
答案 0 :(得分：2)
对于发布日期，请尝试：
//跨度[@ itemprop = “datePublished”] / @含量
这基本上意味着：找到一个具有名为“datePublished”属性的span节点，并提取名为“content”的属性
对于类型尝试：
//跨度[@ itemprop = “流派”] /文本（）
这意味着找到一个具有名为“genre”属性的span节点，并提取其后面的文本。