ZH
開始使用

術語表

擷取與自動化

CSS 選擇器

原本為網頁樣式發明的模式語法,被爬蟲借用為日常選取要擷取元素的方式。

Selectors were invented so stylesheets could say which elements a rule paints, and scraping simply borrowed the language: the same pattern that styles every price tag can select every price tag. The vocabulary is compact. A bare name matches a tag, .price matches by class, #main by id, [data-sku] by attribute presence and [data-sku='X17'] by attribute value; a space between parts means descendant, a right angle bracket means direct child, and :nth-child() picks by position.

普及是最實際的論點。每個解析器、框架和瀏覽器 API 都說這種語法,每個開發者都從樣式工作中略懂它,對絕大部分的擷取來說,抓出卡片、每張卡片內的標題、連結的 href,它就是最簡短的正確句子。用它寫的爬取程式碼,讀起來就像它所指向的頁面結構。

它的限制是結構性的,知道它們能省下一個下午。傳統的選擇器嚴格往下指:你選的是某些東西的後代,從來不是某些東西的父元素,而且它們完全看不到文字,所以包含「Sold out」字樣的元素,無法以它的文字找到。:has() 偽類已開始在瀏覽器中改變第一個限制,但在各爬取函式庫中的支援參差不齊,所以可攜的程式碼仍把往上選取視為 XPath 的領域。文字和遍歷這兩個缺口,正好標示了另一種語言開始發揮價值的地方。

現代的陷阱在於類別名稱本身。建置工具越來越常自動產生它們:工具類框架用數十個小類別組合樣式,CSS-in-JS 則產生像 css-1x2y3z 這樣每次部署都會改變的雜湊名稱。錨定在產生的類別上的選擇器,錨定的是建置產物,它會在網站下一次發布時腐壞,版面卻完全看不出變化。耐用的選擇器錨定在能撐過重新建置的東西上:語意標籤、id、aria 屬性,以及團隊正是為了自己的測試需要穩定掛鉤而加上的 data- 屬性。

So the craft, as with all pointing, is choosing anchors by meaning. A selector like [data-testid='price'] outlives one like div.sc-bZQynM span:nth-child(2) by years, and the difference was never cleverness, only choosing the part of the page its own developers promised not to shuffle.

常見問題

爬取時該知道哪些 CSS 選擇器?

A working handful covers most extraction: tag, .class and #id for the basics, [attribute] and [attribute='value'] for the precise anchors, the space and the right angle bracket for descendant and child nesting, and :nth-child() for positional picks. That small set, composed, expresses nearly every everyday extraction; the exotic pseudo-classes rarely earn their keep in scraping code.

為什麼網站沒改,我的選擇器卻壞了?

因為類別名稱是建置產物。CSS-in-JS 和工具類流程會產生雜湊或組合的類別名稱,在重新部署時改變,渲染出的版面卻完全一樣,所以錨定在它們上面的選擇器會無聲地失效。重新錨定到穩定的掛鉤,例如 id、語意結構、aria 標籤或 data- 屬性,同一個頁面就不會在每次發布時甩掉你的選擇器。

CSS 選擇器能依文字找到元素嗎?

標準語法做不到;選擇器看到的是結構和屬性。當唯一可靠的錨點是看得見的文字時,那就是改用 XPath text() 比對的教科書案例,或者用 CSS 選取較大的集合,再在自己的程式碼中依文字過濾。依每次擷取選擇,勝過死守任何一種語言。

CSS 選擇器比 XPath 快嗎?

有時快一點點,而且幾乎從來不是你時間花掉的地方。現代引擎執行兩者都很快,在任何真實的資料管線中,網路傳輸、渲染和解析都遠遠蓋過選擇器的執行時間。依能力和耐用度選擇,哪種語言能讓你錨定在網站不會打亂的東西上就用哪種,效能差異就留作趣聞吧。

回到完整詞彙表。

HProxy.

定義只能帶你走到這裡。 執行 對比 真實目標.

住宅代理 每 GB US$ 0.23 起,隨用隨付,餘額永不過期。

HProxy