AutoIt3采摘网页中JS生成的数据
日期：2014-05-16 浏览次数：20348 次
AutoIt3采集网页中JS生成的数据
在做了一年多的网页数据采集之后，中途停了几个月，今天经理交代一个任务，采集http://www.365rili.com/huangliQuery.html 中2011年全年的农历日期，例如 2011年1月1日 是“农历11月廿七 庚寅年 戊子月 丙辰日”。开始以为可以直接使用自编的webpage API来采集，但分析源代码之后发现，里面的数据全部是有JS动态生成的，对于目前的网页解析类库是很难获取到该网页的数据，就算使用htmlutil API，启动js引擎，模拟鼠标事件，这样也很难采集到该网页的数据。
因为按键精灵软件中有个网页分析的工具“网页按键精灵”可以分析网页加载后的源码，和 Autoit3能够操作IE浏览器，所以也能很好的采集到JS生成的数据。一下是我采集该网页JS数据的准备和源码。
准备是：window系统，ie浏览器，网页按键精灵，autoit3 有这四个部分就可以通过编写类vb代码，在autoit上运行。就能在控制台打印出采集到的“农历日期”信息。
源代码：
注：
（1）源代码只能在window平台上运行，并且必须安装ie浏览器。
（2）网页按键精灵是按键精灵的一个子软件，这里用于分析加载后的网页，如定位 没有设定id 和 name 属性的标签，只要点击 网页按键精灵 上的网页分析和按下F9就可以开始分析网页，能很好知道每个标签在该网页中的序号。
（3）autoit3程序能发不成exe文件，在window平台运行。
（4）autoit3和按键精灵都是一类软件，只是各有偏重，autoit偏重办公的自动化，按键精灵偏重游戏方面自动化。
（5）autoit3的功能很强大，我只是专注其数据采集方面的应用。
在做了一年多的网页数据采集之后，中途停了几个月，今天经理交代一个任务，采集http://www.365rili.com/huangliQuery.html 中2011年全年的农历日期，例如 2011年1月1日 是“农历11月廿七 庚寅年 戊子月 丙辰日”。开始以为可以直接使用自编的webpage API来采集，但分析源代码之后发现，里面的数据全部是有JS动态生成的，对于目前的网页解析类库是很难获取到该网页的数据，就算使用htmlutil API，启动js引擎，模拟鼠标事件，这样也很难采集到该网页的数据。
因为按键精灵软件中有个网页分析的工具“网页按键精灵”可以分析网页加载后的源码，和 Autoit3能够操作IE浏览器，所以也能很好的采集到JS生成的数据。一下是我采集该网页JS数据的准备和源码。
准备是：window系统，ie浏览器，网页按键精灵，autoit3 有这四个部分就可以通过编写类vb代码，在autoit上运行。就能在控制台打印出采集到的“农历日期”信息。
源代码：
;采集2011全年的农历日 如：1月1日 是 农历11月廿七 庚寅年 戊子月 丙辰日
#include <IE.au3>
;创建一个IE浏览器，并且打开指定地址，试着附着在已存在窗口，浏览器窗口可见，在返回之前等待网页加载完毕，使窗口聚焦
$oIE = _IECreate ("http://www.365rili.com/huangliQuery.html",1,1,1,0)
;通过标签名获取当前网页所有INPUT和DIV 的DOC标签对象
$oButtons = _IETagNameGetCollection ($oIE, "input")
$oInputs = _IETagNameGetCollection ($oIE, "div")
;通过ID获取网页DOM对象
$oMonSelect=_IEGetObjById($oIE, "oth_month")
$oDaySelect=_IEGetObjById($oIE, "oth_day")
For $mon=1 to 12
;获取11年每个月份的天数
if $mon<=7 Then
if mod($mon,2)=1 Then
$day=31
Else
if $mon=2 Then
$day=28
Else
$day=30
EndIf
EndIf
else
if mod($mon,2)=0 Then
$day=31
Else
$day=30
EndIf
EndIf
;通过指定option的文字来设定当前月份
_IEFormElementOptionSelect ($oMonSelect, $mon & "", 1, "byText")
For $today=1 to $day
;打印日期
;ConsoleWrite($mon & "-" & $today & @CRLF)
;通过指定option的文字来设定当前日期
_IEFormElementOptionSelect ($oDaySelect, $today & "", 1, "byText")
;###########################
;获取网页中指定序号的input的按钮
;###########################
;$oButtons = _IETagNameGetCollection ($oIE, "input")
$j=0;
For $oButton In $oButtons
If $j=0 Then
_IEAction ($oButton, "click")
EndIf
$j=$j+1
Next
;###########################
;获取网页中指定需要的div标签内的text
;###########################
;$oInputs = _IETagNameGetCollection ($oIE, "div")
$i=0;
For $oInput In $oInputs
If $i=27 Then
ConsoleWrite($mon & "-" & $today &" "&_IEPropertyGet($oInput, "innertext") & @CR)
EndIf
$i=$i+1
Next
Sleep(500);休息0.5秒
Next
Next
;一下是运行时控制台打印的部分结果
1-1 农历11月廿七 庚寅年 戊子月 丙辰日
1-2 农历11月廿八 庚寅年 戊子月 丁巳日
1-3 农历11月廿九 庚寅年 戊子月 戊午日
1-4 农历12月初一 庚寅年 戊子月 己未日
1-5 农历12月初二 庚寅年 己丑月 庚申日
注：
（1）源代码只能在window平台上运行，并且必须安装ie浏览器。
（2）网页按键精灵是按键精灵的一个子软件，这里用于分析加载后的网页，如定位 没有设定id 和 name 属性的标签，只要点击 网页按键精灵 上的网页分析和按下F9就可以开始分析网页，能很好知道每个标签在该网页中的序号。
（3）autoit3程序能发不成exe文件，在window平台运行。
（4）autoit3和按键精灵都是一类软件，只是各有偏重，autoit偏重办公的自动化，按键精灵偏重游戏方面自动化。
（5）autoit3的功能很强大，我只是专注其数据采集方面的应用。
免责声明： 本文仅代表作者个人观点，与爱易网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
