Question

我有一个需要修复的两部分问题。我会尽力描述它，然后分解我“想”的步骤。

我正在尝试在网页中获取特定的表格并通过电子邮件发送给自己。

目前我正在尝试的是使用GNU \ Win32 wget.exe（我宁愿本地使用PowerShell但由于某种原因我不能，也许是因为我使用的方法无法呈现ASPX页面？）使用wget我能够制作ASPX页面的本地html版本。

现在我一直在尝试解析文件并提取特定的表。在这种特殊情况下，表格以<table border="0" cellpadding="2" cellspacing="2" width="300px">开头，以</table>结尾，并且没有嵌套表格。

我已经在我的问题上抛出了一些正则表达式（是的，我知道正则表达式可能不是我需要的工具），但无济于事。

--- Ammended 这就是我现在所处的位置......

$content = (new-object System.Net.WebClient).DownloadString($url)
$found = $content -cmatch '(?si)<table border="0" cellpadding="2" cellspacing="2" width="300px"[^>]*>(.*?)Total Queries</td>(.*?)</tr>(.*?)</table>'
$result = $matches[3]
$result

Answer 1

我用PowerShell做过这种事情。这非常简单：

PS> $url = "http://www.windowsitpro.com/news/PaulThurrottsWinInfoNews.aspx"
PS> $content = (new-object System.Net.WebClient).DownloadString($url)
PS> $content -match '(?s)<table[^>]+border\s*=\s*"0"\s*.*?>(.*?)</table>'
True
PS> $matches[1]

        <tr>
          <snip>
        </tr>

只需将width替换为border，将300px替换为0代表您的正则表达式：

PS> $content -match '(?s)<table[^>]+width\s*=\s*"300px"\s*.*?>(.*?)</table>'

在匹配多个表的情况下，你必须从-match切换，这是一个布尔运算符，只是想找到一个匹配的Select-String，它可以找到所有的匹配，例如：

PS> $pattern = '(?s)<table[^>]+width\s*=\s*"300px"\s*.*?>(.*?)</table>'    
PS> $content  | Select-String -AllMatches $pattern | 
                Foreach {$_.Matches | $_.Group[1].Value}

基本上所有匹配都在$ _.matches集合中。如果您知道该表总是第三个，您可以这样访问：

... | Foreach {$_.Matches[2].Group[1].Value}

Answer 2

前段时间我写了一个名为Get-MarkupTag的函数。这使您不必直接使用正则表达式（它在封面下这样做）。它还试图将HTML转换为XML，此时获取数据非常简单。

要使用Get-MarkupTag执行此操作，您需要执行类似

的操作

$webClient = New-Object Net.Webclient -Property @{UseDefaultCredentials=$true}
$html = $webClient.DownloadString($url)
$table = Get-MarkupTag -html $html -tag "table" |
    Where-Object { $_.Tag -like '<table border="0" cellpadding="2" cellspacing="2" width="300px">*' } |
    Select-Object -expandProperty Xml
$table.tr |  # Row
    Foreach-Object {
        $_.Td # Column
    }

希望这有帮助

Answer 3

我会用VBScript以这种方式处理它。

用单引号删除所有双引号，只是为了便于阅读和阅读编写代码。即myHTMLString = Replace(myHTMLString, """", "'")
确定文件是否包含您的表格。听起来它没有id或name属性。太糟糕了，但如果不这样做，请使用InStr来确定表的起始位置。 Dim tableStartsAt = InStr(myHTMLString,"<table border='0'")小心这里的所有属性，因为你受到桌子的摆布，它的属性在没有你注意的情况下移动了！也许当找不到匹配的表格时，请将这些统计信息通过电子邮件发送给您自己，作为需要进行一些维护的警告。
现在你有了表的起始位置，找到它的结束标记。即Dim tableEndsAt = InStr(tableStartsAt,myHTMLString,"</table>")
获取HTML字符串：Dim myTable = Mid(myHTMLString,tableStartsAt,tableEndsAt-tableStartsAt)
将其放入email, send using VBScript。确保您拥有Mail.IsHTML = True。这是另一个VBScript sending email问题。

Answer 4

我认为HuddleMasses Get-Web cmdlet可以选择将表读入XML。

使用PowerShell或VBS从HTML文件中提取表

4 个答案: