Question

尝试使用iMacros for Firefox插件来提取链接网址。

以下输入 html代码位于要删除的网站上：链接网址和说明

<div class="subcl">
    <a href="http://www.url.com/someurl.html" target="_blank">description</a>
</div>

来自iMacros的所需输出：只是链接网址

http://www.url.com/someurl.html

由于网站上还有其他链接，因此代码中应包含class =“subcl”。也许有办法实现嵌套结构？我希望 - 如果可能的话 - 非Javascript代码，因为我自己不编码。

以下宏代码无效

VERSION BUILD=8300326 RECORDER=FX
TAB T=1

'Open the website
URL GOTO=http://www.url.com/pagetobescraped.html

'Extract the link url on the page
TAG POS=1 TYPE=DIV ATTR=CLASS:subcl* EXTRACT=HREF

宏返回#EANF#（到达的文件末尾没有匹配）。当我用EXTRACT=HREF替换EXTRACT=TXT时，它会返回"description"，但我需要该网址。

修改

澄清symbiotech的答案：输入html代码前面是元素<h1>以及<p>。所有人都看起来像这样......

<h1>Title of the page</h1><p class="intro"></p>

<div class="subcl">
    <a href="http://www.url.com/someurl.html" target="_blank">description</a>
</div>

Answer 1

您需要从href元素中提取a，而不是从div本身提取。此外，既然您说页面上还有其他链接，则需要将每个“sublc”div作为参考点，因此POS=R1：

TAG POS=1 TYPE=DIV ATTR=CLASS:subcl*
TAG POS=R1 TYPE=A ATTR=TXT:* EXTRACT=HREF

如果您需要提取多个链接，请使用“播放循环”按钮：

TAG POS={{!LOOP}} TYPE=DIV ATTR=CLASS:subcl*
TAG POS=R1 TYPE=A ATTR=TXT:* EXTRACT=HREF

针对您的具体案例

编辑：您需要将自己定位在要提取的元素上方，但需要在同一树级别上，以便正确使用相对定位。那个空p元素似乎是一个足够好的锚点，或者你可以使用h1元素，如果它的文本不会改变太多：

TAG POS=1 TYPE=P ATTR=CLASS:intro
TAG POS=R{{!LOOP}} TYPE=A ATTR=TXT:* EXTRACT=TXT
TAG POS=1 TYPE=P ATTR=CLASS:intro
TAG POS=R{{!LOOP}} TYPE=A ATTR=TXT:* EXTRACT=HREF

用于简单URL抓取的iOpus iMacros脚本

1 个答案: