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

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

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

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：

CallPlugin.Web.Bind("WQM.exe")

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

Delay1000//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

IfLen(ee)<>0Then//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

TracePrintpp

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

ExitDo//如果没有找到匹配的就退出

EndIf

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：

CallPlugin.Web.Bind("WQM.exe")

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

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

Delay3000

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。

CallPlugin.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

CallPlugin.ColorEx.Free()