请教一个问题：如何爬取多个网页上的表格。

[shrugged]

目标：

爬取「中国质量新闻网」上多个网页内的抽查报告，保存本地为 Excel 文件，然后汇总、整理。

比较坑的是，不同地方的机构、不同年份发布的抽查报告的样式略有不同。我不会编程，只有找现成的工具，于是想了几个方案：

方案一：

用爬取工具为不同排列方式的抽查报告建立不同的规则，缺点是可能要建很多规则，工作量可能比较大。

方案二：

用爬取工具建一个能够爬取大多数抽查报告所有内容的规则，全部 URL 放进去运行，最后在 EXCEL 里面整理。

方案三

用爬取工具自动识别并抓取网页上的表格，然后合并处理。

结果：

import.io：经常漏抓前面几行，而且没有规律可循。

八爪鱼：不少表格抓取不全，某些类型的「数据」无法正常生成字段，有的一列被分为多列。

爬山虎：不少表格抓取不全，有的一列被分为多列。

Excel 的「自网站」功能：不能批量添加。

Google 表格：还未尝试，不知道有没有批量操作的插件。

所以请教一下各位，还有啥办法，或者说要学习什么工具 /方法？ XPath ？

例如抓取这些链接内的表格：

https://shimo.im/docs/MB8YWzJ6WjY2eRWf/

[songz]

批量抓<table>的內容，然後粘貼到 excel，完美

[POPOEVER]

我都是 js 脚本直接 curl 网页过滤 table 出来，如果要 fs 权限的话用 electron 打包一下从 node 走就有权限了

[bazingaterry]

想要自動識別不同網頁的表格還自動提取字段感覺有難度的，建議不同網頁自己寫一套規則，學一下 css selector 就可以做到了。

[exp1ore]

神箭手试试看

[shrugged]

@songz
@POPOEVER
@bazingaterry
@exp1ore

感谢。