日期:2014-05-16  浏览次数:20378 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:


;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。