Elbuz znajduje nazwę, cenę, kod SKU czy zdjęcie na stronie po selektorze — adresie wartości w kodzie strony. Krótki, precyzyjny selektor przetrwa przebudowę strony, a błąd w nim przerywa analizę całej strony.
Kiedy to się przyda:
- Cena jest w atrybucie, a nie w tekście —
::attr(content)pobiera wartość z mikrodanych. - Klasy na stronie są generowane i zmieniają końcówkę —
[class*=…]łapie niezmienną część nazwy klasy. - Potrzebna jest komórka obok podpisu „Waga” —
:contains()albo XPath znajdą ją po tekście, a nie po numerze wiersza. - Selektor nic nie znajduje — tabela objawów podpowie przyczynę i co poprawić.
Od czego zacząć: przepisy dla pól produktu.
Co można wskazać selektorem
- Element po tagu, klasie lub atrybucie — z dokładną równością, początkiem, końcem albo fragmentem wartości.
- Pozycję i zawartość — pseudoklasy
:nth-child,:contains,:has,:noti inne. - Wartość atrybutu — link, cenę z mikrodanych, zdjęcie z
srcset. - Rodzica albo sąsiednią komórkę — XPath, gdy nie sięga.
- Gotowe przepisy — nazwa, cena, kod SKU, dostępność, zdjęcia, cechy, paginacja.
Dwa języki: CSS i XPath
Selektor pisze się w jednym z dwóch języków. Domyślnie komórka oczekuje selektora CSS — tego samego, którym twórcy stron opisują style. Jeśli wygodniejszy jest XPath, w tym samym wierszu reguły zaznacza się pole „XPath”.
1
Kolumna selektora2
Pole XPath3
Wiersz „Cena”- Kolumna selektora — tu wpisujesz adres wartości na stronie.
- Pole XPath — bez niego wyrażenie XPath przerywa analizę całej strony, zamiast po prostu nic nie znaleźć.
- Wiersz „Cena” — każde pole ma własny selektor i ustawia się je niezależnie.
To pole nie jest kosmetyczne. XPath wpisany w wiersz bez niego nie „nic nie znajduje” — analiza tej strony przerywa się z błędem. W dzienniku będzie przy tym kod odpowiedzi 200, czyli z zewnątrz wszystko niby w porządku, a danych nie ma. Tak samo przerywa się analiza na selektorze CSS z błędem składni: zbędny nawias kosztuje całą stronę.
Różnica między „nic nie znalazł” a „błąd” jest ważna przy szukaniu przyczyny. Selektor, który po prostu nie znalazł elementu, daje pusty wynik i program idzie dalej — inne pola z tej samej strony przyjdą normalnie. Selektor z błędem zatrzymuje całą stronę.
Zestaw podstawowy: tag, klasa, atrybut
Cztery sposoby wskazania elementu, z których składa się prawie każdy działający selektor:
| Zapis | Co wybiera |
|---|---|
h1 | wszystkie tagi h1 na stronie |
.price | wszystko z klasą price |
#product-card | element o takim id |
span[itemprop=price] | span z takim atrybutem |
div.card > a | link, który leży bezpośrednio w div.card |
div.card a | link w dowolnym miejscu wewnątrz div.card, nawet na piątym poziomie zagnieżdżenia |
W nawiasach kwadratowych działa nie tylko dokładna równość. Przed znakiem równości stawia się symbol, który zmienia regułę porównania:
| Operator | Warunek | Przykład |
|---|---|---|
= | wartość dokładnie taka | a[rel=nofollow] |
^= | zaczyna się od | a[href^=/product/] |
$= | kończy się na | img[src$=.jpg] |
*= | zawiera fragment tekstu | a[href*=catalog] |
!= | wartość jest inna | input[type!=hidden] |
~= | zawiera takie słowo na liście rozdzielonej spacjami | div[class~=in-stock] |
|= | równa się „wartość” lub zaczyna się od „wartość-” | span[lang|=pl] |
Operator *= ratuje na stronach, gdzie klasy są generowane przez narzędzie budujące i wyglądają jak price__value_a7f3: div[class*=price__value] przetrwa zmianę końcówki, a div.price__value_a7f3 — nie.
Pełna lista pseudoklas
Pseudoklasa zawęża wybór według pozycji albo zawartości. Nasza analiza obsługuje dokładnie ten zestaw — wszystko inne, co można zobaczyć w poradnikach CSS, tu nie zadziała:
| Pseudoklasa | Co robi |
|---|---|
:first-child, :last-child | pierwszy lub ostatni wśród rodzeństwa |
:nth-child(n), :nth-last-child(n) | n-ty z kolei, od początku albo od końca |
:first-of-type, :last-of-type, :nth-of-type(n) | to samo, ale liczone są tylko elementy tego samego tagu |
:only-child | jedyne dziecko rodzica |
:empty, :not-empty | pusty / niepusty element |
:contains(tekst) | zawiera tekst |
:has(selektor) | wewnątrz jest element pasujący do selektora |
:not(selektor) | wszystko poza tym, co pasuje do selektora |
:checked, :disabled, :enabled | stan elementów formularza |
:contains() ma dwa opcjonalne doprecyzowania. Drugi argument włącza i wyłącza rozróżnianie wielkości liter, trzeci wymaga pełnej zgodności, a nie zawierania:
td:contains(Gwarancja)— zawiera to słowo, wielkość liter ma znaczenie;td:contains(gwarancja, false)— wielkość liter nie ma znaczenia;td:contains(Gwarancja, true, true)— tekst komórki to dokładnie to słowo.
Gdy wielkość liter ma znaczenie (:contains(tekst) albo drugi argument true), :contains() patrzy na własny tekst elementu, a nie na tekst wszystkich potomków razem. Jeśli w kodzie jest <div><span>Gwarancja</span></div>, to div:contains(Gwarancja) nic nie znajdzie, a span:contains(Gwarancja) znajdzie. To najczęstsza przyczyna sytuacji „pseudoklasa nie działa”. Z drugim argumentem false sprawdzany jest cały tekst razem z zagnieżdżonymi tagami, więc div:contains(gwarancja, false) ten div znajdzie.
Pobrać atrybut, a nie tekst
Domyślnie ze znalezionego elementu brany jest jego tekst. Aby wziąć wartość atrybutu, do selektora dopisuje się ::attr(nazwa). Bez tego połowa stron się nie zbiera — cena i dostępność często leżą nie w tekście, lecz w znacznikach dla wyszukiwarek.
| Zadanie | Selektor |
|---|---|
| Link do produktu | a.product-link::attr(href) |
| Cena z mikrodanych | meta[itemprop=price]::attr(content) |
| Zdjęcie z leniwym ładowaniem | img.photo::attr(data-src) |
| Zdjęcie z zestawu rozmiarów | img.photo::attr(srcset) |
| Kod SKU z atrybutu technicznego | div[data-sku]::attr(data-sku) |
srcset jest przetwarzany różnie na różnych krokach. W operacji „Karta produktu” program sam wybiera z zestawu link o największej szerokości — czyli pełny rozmiar, a nie miniaturę. Na liście produktów takiego wyboru nie ma: tam brany jest ostatni link z zestawu. Jeśli z listingu przychodzą małe obrazki, weź inny atrybut — zwykle obok jest data-src albo src z pełnym rozmiarem.
Przepisy dla pól produktu
Typowe przypadki, z których składa się większość konfiguracji. Klasy w przykładach są zmyślone, wstawiaj swoje; liczy się tu forma zapisu.
| Czego potrzebujesz | Jak to zwykle wygląda w kodzie strony | Selektor |
|---|---|---|
| Nazwa produktu | jedyny h1 na stronie | h1 |
| Nazwa w listingu | tekst linku do karty | div.catalog a.name |
| Cena | osobny blok z walutą obok | div.price-current |
| Cena w mikrodanych | atrybut, tekstu nie ma | meta[itemprop=price]::attr(content) |
| Stara cena — żeby jej NIE wziąć | leży obok aktualnej | div.price:not(.price-old) |
| Kod SKU | wiersz „Kod: 12345” | span.sku + „Wyrażenie regularne” w tym samym wierszu reguły |
| Dostępność | podpis „Dostępny” | div.stock |
| Dostępność według klasy | klasa się zmienia, tekstu nie ma | div[class*=in-stock] |
| Wszystkie zdjęcia galerii | linki do pełnego rozmiaru | a[data-fancybox=gallery]::attr(href) |
| Tylko karty z obrazkiem | na liście trafiają się wiersze-zaślepki | div.card:has(img) a::attr(href) |
| Wartość cechy | tabela „nazwa — wartość” | tr:contains(Waga) td:last-child |
| Opis | blok ze znacznikami, które trzeba zachować | div.description + pole „Pobieraj HTML” |
| Link do drugiej strony działu | numeracja na dole | ul.pagination a:not(.active)::attr(href) |
Wiersz tabeli z cechą warto przeczytać uważnie: tr:contains(Waga) td:last-child bierze wiersz tabeli, w którym jest słowo „Waga”, a z niego — ostatnią komórkę. To pewniejsze niż liczenie wierszy po numerze: różne produkty mają różny zestaw cech i tr:nth-child(4) w co drugim produkcie wskaże nie tam.
Kiedy potrzebny jest XPath
CSS wystarcza w większości przypadków i lepiej od niego zaczynać — jest krótszy i łatwiej go przeczytać po pół roku. Po XPath sięga się wtedy, gdy trzeba pójść w górę drzewa albo sprawdzić warunek, którego w CSS nie ma.
| Zadanie | XPath |
|---|---|
| Wziąć rodzica znalezionego elementu | //span[@class="sku"]/.. |
| Komórka na prawo od komórki z tekstem | //td[text()="Waga"]/following-sibling::td[1] |
| Drugi blok z klasą | (//div[@class="price"])[2] |
| Element po dokładnym tekście | //a[normalize-space(text())="Kup"] |
Nie zapomnij o polu „XPath” w tym samym wierszu — bez niego strona w ogóle nie zostanie przeanalizowana.
Dlaczego selektor nic nie znajduje
| Objaw | Najbardziej prawdopodobna przyczyna | Co zrobić |
|---|---|---|
| Pusto we wszystkich polach strony | w którejś z reguł jest błąd składni albo XPath bez zaznaczonego pola — analiza się przerwała | sprawdź wszystkie reguły operacji, a nie tylko tę, która „nie działa” |
| Pusto w jednym polu | selektor nie znalazł elementu | obejrzyj kod strony: klasa mogła mieć inną pisownię albo być generowana |
| Przyszła pusta nazwa, choć na stronie jest | wartość jest rysowana skryptem dopiero w przeglądarce, w kodzie źródłowym jej nie ma | włącz tryb z wykonywaniem skryptów w ustawieniach źródła |
| Zamiast tekstu — śmieci ze znaczników | zaznaczone pole „Pobieraj HTML” | odznacz je albo zawęź listę dozwolonych tagów |
| Zamiast ceny przyszło zero | selektor wskazuje blok, w którym cena jest zapisana słowami albo leży w atrybucie | weź ::attr(content) z mikrodanych |
| Pobierane są wszystkie zdjęcia razem z ikonami | selektor jest zbyt szeroki, np. samo img | zawęź do kontenera galerii: div.gallery img::attr(src) |
| Selektor działał, a po aktualizacji strony przestał | długi łańcuch typu div:nth-child(3) > div > span psuje się od zbędnego banera | przepisz krócej — po klasie albo atrybucie |
Pseudoklasa :contains() nie działa | tekst leży w zagnieżdżonym tagu, a nie we własnym tekście elementu | wskaż tag, w którym tekst jest zapisany bezpośrednio |
Scenariusze
W wierszu każdego pola są cztery kolumny na selektory — od „Selektor nr 1” do „Selektor nr 4”. W operacji „Karta produktu” program sprawdza je po kolei i zatrzymuje się na pierwszym, który dał wartość. Wyjątek to zdjęcia: dla nich stosowane są wszystkie wypełnione. Najpierw program szuka bloku karty po selektorze operacji; jeśli w wierszu operacji nie ma selektora, blokiem jest cała strona, a jeśli bloku nie znaleziono — pola karty nie są wypełniane. Na tej kolejności opierają się wszystkie scenariusze poniżej.
- Початок або кінець
- Дія або результат
- Розвилка: далі шлях залежить від відповіді
Cena produktu w promocji leży w innym bloku
Zadanie: w zwykłych produktach cena jest w jednym bloku, w promocyjnych zwykłego bloku nie ma, a cena stoi w innym.
Co włączyć: w wierszu „Cena” operacji „Karta produktu” w „Selektor nr 1” — blok zwykłej ceny, w „Selektor nr 2” — blok promocyjnej.
Efekt: tam, gdzie pierwszy selektor znalazł cenę, ona jest zapisywana. Drugi selektor jest stosowany tylko wtedy, gdy po pierwszym pole zostało puste. Blok, w którym nie ma żadnej cyfry, daje cenę 0.00 — taka wartość nie jest zapisywana i program przechodzi do następnego selektora. Czego nie będzie: dwie ceny się nie skleją. Jeśli jeden selektor znalazł kilka cen, do pola trafi pierwsza niezerowa z nich.
Wartość domyślna, gdy na stronie jej nie ma
Zadanie: przy części produktów dostawca podaje status dostępności, przy pozostałych bloku w ogóle nie ma, a takie produkty potrzebują jednej i tej samej wartości.
Co włączyć: w wierszu „Status dostępności (z cennika)” operacji „Karta produktu” w „Selektor nr 1” — blok statusu, w „Selektor nr 2” — potrzebny tekst w nawiasach klamrowych, np. {Na zamówienie}.
Efekt: tekst w nawiasach klamrowych to nie adres na stronie, lecz gotowa wartość: program bierze go bez nawiasów i niczego nie szuka. Ponieważ „Selektor nr 2” jest stosowany tylko do pustego pola, produkty z blokiem statusu dostaną tekst ze strony, a pozostałe — Na zamówienie. Czego nie będzie: jeśli wpiszesz nawiasy w „Selektor nr 1”, wartość ze strony w ogóle nie będzie pobierana — pole dostanie ten tekst w każdym produkcie, a kolejne selektory wiersza nie są stosowane.
Kod SKU zapisany jako „Код: 12345”
Zadanie: w kodzie SKU potrzebne są tylko cyfry, a na stronie obok stoi podpis.
Co włączyć: w wierszu „Kod (SKU) kontrahenta” albo „Kod (SKU) producenta” — selektor na blok z kodem, np. span.sku.
Efekt: w tych dwóch polach słowa „Артикул”, „Арт.”, „Код товару”, „Код”, „SKU” i dwukropek są wycinane automatycznie, wyrażenie regularne nie jest do tego potrzebne. Dla innego formatu, np. gdy kod stoi w nawiasie po nazwie, wypełnij „Wyrażenie regularne” z nawiasami okrągłymi wokół potrzebnego fragmentu: do pola trafi zawartość pierwszych nawiasów pierwszego dopasowania. Czego nie będzie: jeśli wyrażenie nic nie znalazło, wartość nie jest kasowana — do pola trafi to, co zwrócił selektor.
Pełny opis z akapitami i obrazkami
Zadanie: przenieść opis produktu z podziałem na akapity i listy, a nie jako ciągły tekst.
Co włączyć: w wierszu „Opis pełny” — selektor na blok opisu, pole „Pobieraj HTML”, a w kolumnie „Dozwolone tagi HTML” — listę tagów do zachowania, np. <p><ul><li><img>.
Efekt: do pola trafią znaczniki bloku, a zostaną w nich tylko wymienione tagi. Względne adresy obrazków w opisie są uzupełniane adresem strony. Atrybut style i komentarze HTML są usuwane niezależnie od ustawień. Jeśli selektor znalazł kilka bloków, są łączone spacją, a nie wartością z „Separator wartości”. Czego nie będzie: bez pola „Pobieraj HTML” i z pustą kolumną „Dozwolone tagi HTML” wszystkie tagi są usuwane, a opis przyjdzie jako jeden tekst.
Zdjęcia z galerii i osobno zdjęcie główne
Zadanie: na stronie zdjęcie główne leży osobno od galerii, a potrzebne są oba.
Co włączyć: w wierszu zdjęć (w kolumnie „Nazwa pola” jest podpisany image) w „Selektor nr 1” — linki galerii, np. div.gallery a::attr(href), w „Selektor nr 2” — zdjęcie główne, np. img.main::attr(src).
Efekt: przy zdjęciach program nie zatrzymuje się na pierwszym selektorze, który zadziałał, lecz stosuje wszystkie wypełnione i zbiera wyniki w jedną listę. Adresy, w których występuje placeholder, no-photo, no-image, no_image, empty albo /brand/, są odrzucane pojedynczo — pozostałe zdjęcia zostają. Czego nie będzie: zaślepka „brak zdjęcia” nie stanie się zdjęciem głównym produktu.
Najczęstsze pytania
Skąd wziąć selektor, jeśli nie znam się na kodzie stron?
Najprościej — otworzyć stronę w przeglądarce, kliknąć prawym przyciskiem na potrzebnej wartości i wybrać „Zbadaj”. Przeglądarka podświetli wiersz kodu: widać w nim tag, klasę i atrybuty, z których składa się selektor. W samym programie obok reguł jest asystent AI: dajesz mu fragment kodu strony, a on odpowiada gotowym selektorem.
Przeglądarka daje bardzo długi selektor. Czy można go wkleić?
Technicznie tak, zadziała. W praktyce — przeżyje do pierwszej przebudowy strony: łańcuch z :nth-child psuje się nawet od zbędnego banera w bloku. Weź z tego łańcucha najbliższą klasę albo atrybut i napisz krótko.
Co się stanie, jeśli selektor znalazł kilka elementów?
Są łączone przez „Separator wartości” z tego samego wiersza reguły, a przy pustej kolumnie — przecinkiem ze spacją. Kategorie zawsze łączy się ukośnikiem ze spacjami, zdjęcia — trzema pionowymi kreskami, z „Pobieraj HTML” — spacją. Dla pola z jedną wartością zawęź selektor.
CSS czy XPath — co wybrać?
Zacznij od CSS: krócej i czytelniej. XPath jest potrzebny, gdy trzeba dojść do elementu nadrzędnego albo wziąć sąsiednią komórkę tabeli po tekście — w CSS takich środków nie ma.
Selektor bierze „Kod: 12345”, a potrzebne są tylko cyfry. Co zrobić?
To już nie zadanie selektora. W tym samym wierszu reguły jest kolumna „Wyrażenie regularne” — wyciąga fragment ze znalezionej wartości. Obok działają „Znajdź” / „Zamień” i „Tekst do usunięcia”, jeśli wystarczy prosta zamiana.
Jak sprawdzić selektor bez uruchamiania całego zbierania?
W wierszu reguły jest przycisk testu: otwiera stronę, której adres podano w kolumnie „Link testowy”, i pokazuje, co zwrócił selektor. Jeśli kolumna z adresem jest pusta, przycisk po prostu nic nie zrobi, bez żadnego komunikatu.
Gdzie to jest i kto ma dostęp
- Menu
- Słowniki → Przetwarzanie cenników → Lista cenników
- Gdzie wpisać
- wiersz „Parser strony” → „Ustawienia” → karta „Ustawienia importu”
- Uprawnienia
- okno „Cenniki”
Karta jest tylko w uniwersalnym parserze. Selektor wpisuje się w komórkę „Selektor nr 1” wiersza potrzebnego pola — zapisuje się od razu, przycisku „Zapisz” nie ma. Jak zbudowana jest tabela reguł i jak sprawdzić selektor testem — w artykule Jak skonfigurować reguły analizy strony.
Powiązane tematy
- Jeśli potrzebujesz ogólnego obrazu zbierania danych ze stron — Parsowanie stron.
- Jeśli selektor jest gotowy i trzeba go sprawdzić testem — Jak skonfigurować reguły analizy strony.
- Jeśli chcesz wiedzieć, jakie pola w ogóle można zebrać — Co dokładnie parser pobiera z karty produktu.
