抓取网页指定内容(资料)，获取网页里的图片
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。
- 您所在的用户组无法下载或查看附件
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
- 您所在的用户组无法下载或查看附件
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？
- 您所在的用户组无法下载或查看附件
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。
- 您所在的用户组无法下载或查看附件
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。
- 您所在的用户组无法下载或查看附件
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：
- 您所在的用户组无法下载或查看附件
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：
- 您所在的用户组无法下载或查看附件
- 您所在的用户组无法下载或查看附件
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：- 您所在的用户组无法下载或查看附件
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：
- 您所在的用户组无法下载或查看附件
大家看，它的图片是保存在一个链接里的，这样就无法获取。
- 您所在的用户组无法下载或查看附件
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。
- 您所在的用户组无法下载或查看附件
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()
本文由按键学院提供技术支持
按键学院实战班（入驻最终幻想）火热招生
按键学院基础视频抢先观看
闽公网安备 35010002000112号