Я люблю використовувати Xpath. Тому я зібрав список елементів, які ви можете отримати, використовуючи XPath.
Заголовки
За замовчуванням Screaming Frog збирає лише h1 та h2, але якщо ви хочете зібрати h3, використовуйте код XPath:
//h3
Отримані дані:
Ви можете зібрати лише перший h3, особливо якщо їх багато на сторінці:
/descendant::h3[1]
Щоб зібрати перші 10 h3 на сторінці, використовуйте:
/descendant::h3[position() >= 0 and position() <= 10]
Для підрахунку кількості тегів h3 на сторінці:
count(//h3)
У цьому випадку «Extract Inner HTML» у крайньому правому меню, що розкривається, необхідно змінити на «Function Value», щоб цей вираз працював правильно:
Hreflang
Наступний Xpath у поєднанні з Extract HTML Element збере вміст всіх елементів hreflang:
//*[@hreflang]
Цей код буде збирати весь елемент HTML, з посиланням та значенням hreflang:
Можливо, вам потрібні лише значення hreflang (наприклад, uk-UA), ви можете вказати атрибут за допомогою @hreflang:
//*[@hreflang]/@hreflang
Вилучені дані:
Schema
Ви можете збирати різні типи схем на сторінці:
//*[@itemtype]/@itemtype
Для правил itemprop ви можете використовувати аналогічний XPath:
//*[@itemprop]/@itemprop
Соціальні мета-теги (Open Graph Tags & Twitter Cards)
Ви можете отримати соціальні мета-теги, такі як теги Facebook Open Graph, дані облікового запису або Twitter-картки:
//meta[starts-with(@property, 'og:title')]/@content
//meta[starts-with(@property, 'og:description')]/@content
//meta[starts-with(@property, 'og:type')]/@content
//meta[starts-with(@property, 'og:site_name')]/@content
//meta[starts-with(@property, 'og:image')]/@content
//meta[starts-with(@property, 'og:url')]/@content
//meta[starts-with(@property, 'fb:page_id')]/@content
//meta[starts-with(@property, 'fb:admins')]/@content
//meta[starts-with(@property, 'twitter:title')]/@content
//meta[starts-with(@property, 'twitter:description')]/@content
//meta[starts-with(@property, 'twitter:account_id')]/@content
//meta[starts-with(@property, 'twitter:card')]/@content
//meta[starts-with(@property, 'twitter:image:src')]/@content
//meta[starts-with(@property, 'twitter:creator')]/@content
Адреса електронної пошти
Бажаєте зібрати адреси електронної пошти з вашого сайту чи інших веб-сайтів? Будь ласка:
//a[starts-with(@href, 'mailto')]
З мого сайту код поверне одну адресу електронної пошти, яка знаходиться лише на одній сторінці:
Iframes
//iframe/@src
Отримані дані:
Витягувати лише ті кадри, в які вставлено відео з YouTube:
//iframe[contains(@src ,'www.youtube.com/embed/')]
Вилучення тільки URL першого iframe, знайденого на сторінці:
(//iframe/@src)[1]
AMP URL
//head/link[@rel='amphtml']/@href
Отримані дані:
Вилучення посилань зі статті
Наступний XPath запит витягуватиме посилання лише з основи статті https://politay.pro/seo-dlya-wordpress/, де вміст блогу міститься в класі 'entry-content'.
//div[@class="entry-content"]//a - отримає якірний текст з «Extract Inner HTML»
//div[@class="main-blog--posts_single--inside"]//a/@href - отримає URL з «Extract Inner HTML»
//div[@class="main-blog--posts_single--inside"]//a - отримає повний код посилання з «Extract HTML Element»
Вилучення посилань по анкору
Щоб отримати всі посилання з анкором «Політай»:
//a[contains(.,'Політай')]/@href
Цей код чутливий до регістру, тому якщо «POLITAY» іноді є «politay», вам доведеться зробити наступне:
//a[contains(translate(., 'ABCDEFGHIJKLMNOPQRSTUVWXYZ', 'abcdefghijklmnopqrstuvwxyz'),'politay')]/@href
