↑↓ wybierzEnter otwórzEsc zamknij

    1. Elbuz

    Selektory CSS i XPath: przykłady dla typowych stron sklepu

    11 min czytaniaZaktualizowano

    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

    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”.

    Tabela reguł parsowania w oknie „Ustawienia importu danych ze strony”: nazwy pól, selektory i pole XPath
    1Kolumna selektora
    2Pole XPath
    3Wiersz „Cena”
    1. Kolumna selektora — tu wpisujesz adres wartości na stronie.
    2. Pole XPath — bez niego wyrażenie XPath przerywa analizę całej strony, zamiast po prostu nic nie znaleźć.
    3. 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:

    ZapisCo wybiera
    h1wszystkie tagi h1 na stronie
    .pricewszystko z klasą price
    #product-cardelement o takim id
    span[itemprop=price]span z takim atrybutem
    div.card > alink, który leży bezpośrednio w div.card
    div.card alink 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:

    OperatorWarunekPrzykład
    =wartość dokładnie takaa[rel=nofollow]
    ^=zaczyna się oda[href^=/product/]
    $=kończy się naimg[src$=.jpg]
    *=zawiera fragment tekstua[href*=catalog]
    !=wartość jest innainput[type!=hidden]
    ~=zawiera takie słowo na liście rozdzielonej spacjamidiv[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:

    PseudoklasaCo robi
    :first-child, :last-childpierwszy 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-childjedyne dziecko rodzica
    :empty, :not-emptypusty / 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, :enabledstan 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.

    ZadanieSelektor
    Link do produktua.product-link::attr(href)
    Cena z mikrodanychmeta[itemprop=price]::attr(content)
    Zdjęcie z leniwym ładowaniemimg.photo::attr(data-src)
    Zdjęcie z zestawu rozmiarówimg.photo::attr(srcset)
    Kod SKU z atrybutu technicznegodiv[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 potrzebujeszJak to zwykle wygląda w kodzie stronySelektor
    Nazwa produktujedyny h1 na stronieh1
    Nazwa w listingutekst linku do kartydiv.catalog a.name
    Cenaosobny blok z walutą obokdiv.price-current
    Cena w mikrodanychatrybut, tekstu nie mameta[itemprop=price]::attr(content)
    Stara cena — żeby jej NIE wziąćleży obok aktualnejdiv.price:not(.price-old)
    Kod SKUwiersz „Kod: 12345”span.sku + „Wyrażenie regularne” w tym samym wierszu reguły
    Dostępnośćpodpis „Dostępny”div.stock
    Dostępność według klasyklasa się zmienia, tekstu nie madiv[class*=in-stock]
    Wszystkie zdjęcia galeriilinki do pełnego rozmiarua[data-fancybox=gallery]::attr(href)
    Tylko karty z obrazkiemna liście trafiają się wiersze-zaślepkidiv.card:has(img) a::attr(href)
    Wartość cechytabela „nazwa — wartość”tr:contains(Waga) td:last-child
    Opisblok ze znacznikami, które trzeba zachowaćdiv.description + pole „Pobieraj HTML”
    Link do drugiej strony działunumeracja na doleul.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.

    ZadanieXPath
    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

    ObjawNajbardziej prawdopodobna przyczynaCo zrobić
    Pusto we wszystkich polach stronyw którejś z reguł jest błąd składni albo XPath bez zaznaczonego pola — analiza się przerwałasprawdź wszystkie reguły operacji, a nie tylko tę, która „nie działa”
    Pusto w jednym poluselektor nie znalazł elementuobejrzyj kod strony: klasa mogła mieć inną pisownię albo być generowana
    Przyszła pusta nazwa, choć na stronie jestwartość jest rysowana skryptem dopiero w przeglądarce, w kodzie źródłowym jej nie mawłącz tryb z wykonywaniem skryptów w ustawieniach źródła
    Zamiast tekstu — śmieci ze znacznikówzaznaczone pole „Pobieraj HTML”odznacz je albo zawęź listę dozwolonych tagów
    Zamiast ceny przyszło zeroselektor wskazuje blok, w którym cena jest zapisana słowami albo leży w atrybucieweź ::attr(content) z mikrodanych
    Pobierane są wszystkie zdjęcia razem z ikonamiselektor jest zbyt szeroki, np. samo imgzawęź do kontenera galerii: div.gallery img::attr(src)
    Selektor działał, a po aktualizacji strony przestałdługi łańcuch typu div:nth-child(3) > div > span psuje się od zbędnego baneraprzepisz krócej — po klasie albo atrybucie
    Pseudoklasa :contains() nie działatekst leży w zagnieżdżonym tagu, a nie we własnym tekście elementuwskaż 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.

    Lewa gałąź — pole bez selektorów: wypełnia je „Wyrażenie regularne” w całym kodzie strony, a jeśli wyrażenie jest puste — tylko „Automatyczne wyszukiwanie selektorów”, gdy jest włączone. Prawa pętla — sprawdzanie od „Selektor nr 1” do „Selektor nr 4”: przerywa się, gdy tylko pole zostanie wypełnione, z wyjątkiem zdjęć.
    nietaknietaktaknienietaknietakBlok według Selektora operacjiznaleziony na stroniePola kartynie są wypełnianeW wierszu pola wypełnionychoć jeden Selektor nr 1–nr 4„Wyrażenie regularne”, jeśliwypełnione,szuka w całym kodzie strony,w przeciwnym razie selektor dobiera„Automatyczne wyszukiwanieselektorów”, jeśli włączoneKolejny selektor po koleinr 1 → nr 4, dopóki sąSelektor w nawiasach klamrowychPole dostaje tekstz nawiasów bez zmianWyszukiwanie w bloku kartytekst lub HTML, czyszczenie,Wyrażenie regularneWartość pustaalbo cena 0.00Wartość jest zapisywanaw poluPole już wypełnionei to nie zdjęciaPozostałe selektory polanie są stosowane
    • 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

    Czy ten artykuł był pomocny?

    Brakuje funkcji? Napisz do nas.

    Dodamy ją za darmo, jeśli przyda się też innym.

    Jeśli potrzebujesz jej tylko ty — umówimy się osobno.

    Spis treści

    Zaproponuj usprawnienie

    Wypróbuj Elbuz za darmo