[学院院刊]第二十五期-抓取网页指定内容(资料),获取网页里的图片

 

抓取网页指定内容(资料),获取网页里的图片按键学院院刊介绍院刊是由工程师撰写或收录的围绕按键精灵电脑版知识点...

抓取网页指定内容(资料),获取网页里的图片
按键学院院刊介绍


院刊是由工程师撰写或收录的围绕按键精灵电脑版知识点的文章,每一篇院刊知识点各不相同,可以是脚本、源码或教程的分享,也有可能是工程师们在技术上的奇思妙想哦!

前言

       最近有遇到同学反馈,网页里的那些没有特征值的文本元素不知道怎么获取。以及,不知道怎么获取保存网页里出现的图片。



获取网页指定文字:

       目前按键支持的元素特征值有这些: frame(框架) 、id(唯一标识) 、tag(标签) 、type(类型)、txt(文本) 、value(特征) 、index(索引) 、name(名字) 拥有这些特征值的元素才能直接使用HtmlGet命令来获取元素文本信息。

命令名称HtmlGet 获取网页元素的信息命令功能获取网页元素指定属性的信息命令参数参数1:字符串型,网页元素属性类型:text、html、 outerHtml、value、 src、href、 offset
参数2:字符串型,网页元素特征字符串例如下面的例子,按键精灵论坛搜索框,它有type、name、id这三个特征值。



我们取它id特征值带入到HtmlGet 命令来查看下结果:

Call Plugin.Web.Bind("WQM.exe")

Call Plugin.Web.go("http://bbs.anjian.com/forum-250-1.html")  //要提取信息的网站

Txt=Plugin.Web.HtmlGet("value","id:scbar_txt")

TracePrint Txt



成功获取到了搜索框的value值。我们现在想要取下面红色区域块的帖子标题,想要把一个页面中的这些帖子名称都取出来。

该怎么办?



这些文字,都没有特征值的。我们不能使用特征值的方式去找他们。

我们可以这样—— 获取到整个网页的文本之后,去找我们要取的标题,前后不变的字符。



大家会发现,这个页面中,帖子标题前后不便的字符是:“]“ 和 “果果。。“ 那我们就将”]“字符前面的文本都过滤掉,“果果。。“后面的文本也过率掉,这样就能得到我们所需要的文本。

首先,我们需要复习下几个函数:

InStr函数描述start可选的。规定每次搜索的起始位置。默认是搜索起始位置是第一个字符。如果已规定compare 参数,则必须有此参数。string1必需的。需要被搜索的字符串。string2必需的。需搜索的字符串。compare必需的。规定要使用的字符串比较类型。默认是 0 。可采用下列值: 0= vbBinaryCompare - 执行二进制比较。 1 = vbTextCompare - 执行文本比较。Mid函数描述string必需的。从其中返回字符的字符串表达式。如果字符串包含 Null,则返回 Null。start必需的。规定起始位置。如果设置为大于字符串中的字符数目,则返回空字符串("")。length可选的。要返回的字符数目。如果省略或 length 超过文本的字符数,将返回字符串中从start 到字符串结 束的所有字符。Len函数描述string任意有效的字符串表达式。如果 string 参数包含Null,则返回 Null。varname任意有效的变量名。如果 varname 参数包含 Null,则返回 Null。脚本过程:

1、先打开一个要提取信息的网站。

2、用 HtmlGet 命令 获取整个网页的文本信息,存到Txt变量里面。

3、过滤]符号前面的文本。

4、从文本里的"]"符号后面的位置开始取字符串,这里取了一百个字符放到命名为cc的变量里。如下图,也可以设置取80个字符,60个字符,但是长度一定要把“果果。。” 给截进来,因为后面我们要通过“果果。。”作为基准,去过滤掉不要的文字。



5、在cc变量里,找果果。。出现的位置,找到之后,截取“果果。。”之前的文本,也就是我们需要接取的地方。

6、最后,设置叠加的变量x,把每次找到的"]" 这个符号的位置放到变量x里进行累加,累加之后第二次循环,就会跳过之前找过的内容,进行新的内容的寻找。

源码:

Call Plugin.Web.Bind("WQM.exe")

Call Plugin.Web.go("http://bbs.anjian.com/forum-250-1.html")  //要提取信息的网站

Delay 1000 // 如果网页打开速度慢,可适当添加延迟

Txt =Plugin.Web.HtmlGet("text","")  //获取网页的文本

x=1

Do

aa = "]"  //过滤]符号前面的文本

bb = InStr(x, Txt, aa) // 返回aa变量里的"["这个字符 在整个网页文本txt里的位置

cc = Mid(Txt, bb + Len(aa), 100)//从文本里的"]"符号后面的位置开始取字符串,这里取了一百个字符

dd = InStr(1, cc, "果果。。")//找cc字符串里,果果。。出现的位置,果果。。的位置就是我们要接取的字符串的长度

ee = Mid(cc, 1, dd)//从文本里cc里第一个字符开始,取到果果。。文字出现的位置

If Len(ee)

0 Then   //判断有没有取到匹配的字符

pp = Left(ee, Len(ee)-1)  //如果有取到,我们还要做下处理,因为前面ee字符串是取到了果果。。出现的位置,所以果字也被取了,我们这里长度-1,去掉果字

TracePrint pp

x = InStr(x, Txt, pp) //这里做个记号,把每次找到的"]" 这个符号的位置进行累加,累加之后第二次循环,就会跳过之前找过的内容,进行新的内容的寻找。

Else

Exit Do   //如果没有找到匹配的 就退出

End If

Loop

最终效果:

标题后面的?…234这样的字符是帖子总回帖的页数。



获取网页图片

我们截图按键精灵官网的图标:



我们可以查看图片的具体地址

代码如下:

Call Plugin.Web.Bind("WQM.exe")

Call Plugin.Web.Go("http://www.anjian.com") //打开按键官网地址

Call Plugin.Web.Save("http://www.anjian.com/images/logo.gif", "d:123.gif")

Delay 3000

RunApp "mspaint.exe"&" d:123.gif" //打开画图工具,看看保存的图片的效果

命令名称Save 保存网页或图片命令功能保存指定URL的文件到本地磁盘命令参数参数1:字符串型,需要保存的目标Url 参数2:字符串型,本地文件名最终效果:
大家有没有注意到,这里的按键精灵官网图标,是gif格式的,可以保存。如果是一个链接呢?

例如,腾讯QQ注册页面里的这种验证图片:



大家看,它的图片是保存在一个链接里的,这样就无法获取。
地址是没有变化的,但是点击进去之后,生成的就是另一张验证图片了。



所以,遇到这种链接方式的图片,大家还是使用查找图片的区域坐标,然后用屏幕范围截图命令来截图保存:

//下面这句在屏幕区域范围内截图保存到(内存)里,以备后面调用。

Call Plugin.ColorEx.PrintScreen(0, 0, 1024, 768)

//下面这句在屏幕区域范围内按方式0,查找颜色,返回左上角第一点颜色位置坐标

XY = Plugin.ColorEx.FindColor(0, 0, 1024, 768, "0000FF", 1, 0)

//下面这句用于分割字符串

ZB = InStr(XY, "|")

//下面这句将字符串转换成数值

X = Clng(Left(XY, ZB - 1)): Y = Clng(Right(XY, Len(XY) - ZB))

//释放屏幕截图信息时请使用以下命令

Call Plugin.ColorEx.Free()



下节预告

        这节就讲到这里,下节将给大家带来:利用全局索引定位难缠的页面元素,同学们别错过了~!







点击下方“阅读原文”获取更多内容,查看更多实例

↓↓↓


    关注 按键精灵


微信扫一扫关注公众号

0 个评论

要回复文章请先登录注册