XPath2Doc(通用网站数据采集及Doc生成工具)

　　XPath2Doc是一款可以帮助用户在网页上采集数据并且填写doc文件的软件，这款软件使用简单，软件界面没有太多功能，用户点击采集就可以开始查询网页上的数据，从而执行填充，对于需要编辑doc文件的朋友很有帮助，您可以在软件添加需要编辑的doc文件，可以在软件配置需要填充以及需要采集网站数据的的规则，结合XPath语句就可以获取您需要采集的网页内容，软件提供详细的操作桌面，用户可以在帮助界面查看教程！

软件功能

　　1、XPath2Doc可以帮助用户在电脑上采集你需要的网页数据

　　2、可以立即采集数据填写到文件中，从而完成文件编辑

　　3、如果你觉得编辑doc文件很复杂，可以使用这款软件立即采集网站资源

　　4、软件可以指定内容采集，软件界面显示网页内容

　　5、当您添加网页以后就可以查询指定的内容，仅仅对需要填写的内容采集

　　6、支持采集功能，立即在网页界面采集需要的文字内容

　　7、可以多次采集内容，一个网页的内容可以多段采集

　　8、XPath2Doc帮助用户轻松找到数据所在的位置，从而快速采集

软件特色

　　1、XPath2Doc提供网页内容采集功能，在软件轻松读取网页内容

　　2、软件提供操作演示，用户可以查看自己需要操作的内容

　　3、支持模板设置功能，在软件可以配置用户需要采集的模板

　　4、支持采集地址添加，可以在配置文件中添加网页地址

　　5、支持指定的数据内容采集，在网页查看到文字以后就可以立即采集

　　6、采集的内容自动在软件右边显示，可以另外保存为doc文件

　　7、支持打开Word功能，编辑完毕可以在软件打开doc查看填写的内容

　　8、结合软件的教程以及操作说明就可以知道如何采集数据

使用说明

　　1、打开XPath2Doc软件提示您需要建立配置文件，用户需要在主程序地址找到配置文件并且修改

　　2、修改界面如图所示，软件使用比较复杂，如果你会设置就可以在这里填写参数

　　3、可选参数，INI文件所在的路径，例如D:INI，目录路径以结尾。默认为程序所在目录。

　　4、这里是软件的模板编辑界面，用户下载模板以后编辑新的内容，从而在软件采集数据

　　5、因为小编没有设置模板所以就不能在软件采集数据

　　6、小编不知道如何使用这款软件，如果你会使用就可以下载体验

　　7、这里是软件的采集界面，您可以选择一种模板，小编选择的是开发者提供的模板

　　8、这里是网页查看界面，在这里可以立即显示网页内容，可以查看多种数据

　　9、选择数据以后在这里填写需要采集的方式，例如可以将当前的文字内容采集为原告

　　10、采集的内容就在这里显示，现在就可以查看采集完毕的信息，doc也可以在软件界面显示

　　11、下方就是doc显示的界面，您需要填写的内容就在这里显示，随后继续采集内容

　　12、采集完毕就点击创建文件，这样就可以将文档保存，到这里文件数据就采集完毕了

　　13、提示保存界面，你可以将当前的文档另外保存在新的地方，保存完毕可以打印，也可以在软件界面选择备份

工作原理

　　网页的每个元素，都可以表示成为XPath语句，所以我们可以读取浏览器打开的网站页面源代码，通过XPath语句得到网页元素中的文本。

　　教程：http://www.w3school.com.cn/xpath/index.asp

XPath语句的获取办法

　　通常我们可以使用谷歌的Chrome浏览器打开网站页面，按F12调出开发者工具界面，在ELements选项卡下，随着鼠标的移动可以看到网页内容被阴影覆盖，点开三角符号，可以更进一步定位准确的位置，直到找到最终需要的数据位置。在找到的文本上点鼠标右键，在弹出的菜单中，选择Copy-Copy XPath，然后粘贴到记事本即可得到需要的XPath语句。

　　这里需要说明一点：如果拷贝出来的XPath语句中有/tbody会影响采集，程序内部对此问题进行了处理，但可能会在某些特殊情况下还是会影响数据采集，可以手工去掉。

　　软件运行环境（推荐Widnows10，无需安装组件）：

　　Windows7 Sp1操作系统请安装下面的组件（重要：VC库如果不安装，本程序无法启动）：

　　1、.Net Framework 4.5.2。https://www.microsoft.com/en-us/download/details.aspx?id=42642

　　2、32位 VC2017（或更高版本）运行库 。 https://support.microsoft.com/zh-cn/help/2977003/the-latest-supported-visual-c-downloads

　　下载vc_redist.x86.exe

　　在Windows10系统下上述组件一般自带，不需要单独安装。本程序在Windows10 1903运行通过。

　　不支持Windows XP操作系统。

软件操作说明

　　1、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。后两个文件名自己定义。

　　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是软件使用者自己创建的网页采集XPath语句及最后生成文件所用的Docx模板，具体设置方法请看ini文件中的说明。注意，Docx模板文件中的“@<#0001#>@”之类的字符是在INI文件中定义的用于替换网页采集内容的标记字符串。ini文件中定义了替换关键字的前后缀和模板文件名。

　　2、使用本程序前，请先建立好你自己的INI配置文件和Docx模板文件。（具体可以参见附带的企查查、天眼查两个配置文件和起诉书模板）

　　需要说明的是，模板文件支持对文档的不同部分使用不同的网址进行采集，注意Url的设置。目前模板文件暂不支持除Docx以外的格式。（预览窗口支持：.doc、.docx、.rtf、.htm、.html、.xaml、.txt，所以模板文件理论也可以支持这些格式。需要其他格式支持的，请百度联系作者。）

　　3、使用方法：

　　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，点开下拉菜单，点击需要采集的部分。等候浏览器加载网页完毕，手工输入需要查询的内容，点击查询，找到数据的具体页面，然后点击采集数据按钮，观察右侧的列表中是不是已经得到需要的数据。继续点开下拉菜单，选择下一个需要采集的部分，如果网址发生了变化要等候浏览器加载完毕，找到需要的数据页面。点击采集数据按钮观察右侧列表中是不是得到了第二部分的数据。如此反复，直到数据全部采集完毕。

　　如果前后两部分的网址相同，在点击下一部分的下拉菜单之前，要先在浏览器中重新查询新的数据，等新数据页面出来之后在点击下拉菜单选择下一部分进行采集。（网址相同的情况下，点击下一部分会直接从网页取数据，如果浏览器没有换页面，数据就错了。）如果某个部分需要重新采集，请先点击下拉菜单中的该部分名称，然后点击采集按钮重复采集该部分（此时可以随意改变浏览器的数据页面，得到的就是不同公司数据）。

　　列表中采集得到的数据结果如果有偏差，可以单击自行修改。XPath语句如果有什么错误，也可以自己修改看测试结果（XPath语句在修改后会立即重新抓取浏览器的数据，所以浏览器最好是有效数据页面），在程序中修改的XPath语句，不会保存到INI文件中，请自行手工保存。

　　如果列表中数据无误，预览窗口中的Docx模板内容也正确，则可以点击创建文档按钮，填写要生成的文件名，本软件会使用抓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。

　　需要说明的是，右下角的Docx预览窗口不能完整的支持Word文档，对不标准的文档可能会出现文本缺失或者错位现象。遇到这种情况，可以忽略，或者将模板文件改成规范的文本格式（单倍行距）。