有些文章干货很多，但网站并不提供目录（TOC “Table of Contents”)，阅读体验并不好。

那我们能不能使用 RPA 快速抓取文章标题目录，并在记事本中显示出来？

如下图，左侧记事本是使用 影刀RPA 抓取的，右侧是网站自带的目录 TOC 。

RPA 流程

第一步，获取网站源码

我们可以直接从网站源码中抓取所有的 h1 到 h5 标签，也就是文章标题。但这时也会包含不需要的网站侧边栏标题这些。

如果是针对某个特定的网站就容易解决了，直接获取网站正文的元素对象，再获取元素对象的源代码。

不过这样子通用性就不好了，只适用于特定网站。

通过 F12 查看网站源码，发现很多网站的正文都是放在 <div class="content">文章正文</div> 这样一个标签内的。

div的属性值一般是 content 或者 post-content 这种。

那我们就先通过 XPath 选择器查找网页正文的元素对象，再在元素对象中获取正文的源码。

当网页中没有这个元素对象时，再使用整个网站的源码提取。

有多的，总比没有的好。

第二步，获取h1-h5标签

通过源代码获取所有的h1到h5标签，组成列表。

二级标题前加1个tab，三级标题前加2个tab，让标题显示更直观。

使用「多维列表文本替换」指令删除并必要的 span a 等等标签。

使用「过滤空值项」指令删除空值。

使用「列表聚合成文本」指令，将列表用换行符组合成文本。

第三步，复制到记事本

将处理好的目录文本复制到剪贴板。

打开一个记事本txt文件，ctrl+v 粘贴目录。

完成。

RPA 源码

使用方法

1、打开要生成目录的网页；
2、运行影刀RPA（通过快捷键触发或者手动点击运行按钮）；

不足

因为不是为某个网站单独定制，只是通用的匹配了一下，生成的目录结尾可能会有多余的内容（比如网站侧边栏的标题）。

如果只是针对某一个特定网站就容易了，直接获取文章正文的元素对象，再从源码中提取目录。