按键精灵 识别html,【院刊】-【201409期】抓取网页指定内容(资料)，获取网页里的图片 _ 学院院刊 - 按键精灵论坛...

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。

1.jpg(217.62 K)

2016/9/8 11:02:10

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复制代码

1.jpg(69.66 K)

2016/9/8 11:02:10

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？

1.jpg(275.08 K)

2016/9/8 11:02:10

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。

1.jpg(130.39 K)

2016/9/8 11:02:10

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。

1.jpg(65.96 K)

2016/9/8 11:02:10

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复制代码

最终效果：

1.jpg(170.42 K)

2016/9/8 11:02:10

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：

1.jpg(9.33 K)

2016/9/8 11:02:10

1.jpg(173.20 K)

2016/9/8 11:02:10

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复制代码命令名称：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：

1.jpg(150.99 K)

2016/9/8 11:02:10

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：

2.jpg(154.34 K)

2016/9/8 11:02:10

大家看，它的图片是保存在一个链接里的，这样就无法获取。

3.png(58.92 K)

2016/9/8 11:02:10

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。

4.jpg(23.81 K)

2016/9/8 11:02:10

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()复制代码

本文由按键学院提供技术支持