Foxtable(狐表) → 用户栏目 → 专家坐堂 → 求助： lsspan(0).InnerHtml这个位置有两个不同的值，阅读数与播放数，怎么写代码让这个位置的值，对应分别都识别为阅读数与播放数呢？


  共有3123人关注过本帖树形打印复制链接

主题：求助： lsspan(0).InnerHtml这个位置有两个不同的值，阅读数与播放数，怎么写代码让这个位置的值，对应分别都识别为阅读数与播放数呢？
帅哥哟，离线，有人找我吗？
有点蓝
 小大  1楼 | 信息 | 搜索 | 邮箱 | 主页 | UC


加好友 发短信
等级：超级版主 帖子：109463 积分：556971 威望：0 精华：9 注册：2015/6/24 9:21:00 		  发帖心情 Post By：2016/11/7 21:49:00 [显示全部帖子]

第一步，输出网页内容进行分析

DataTables("头条文章").DataRows.Clear
Dim web As new System.Windows.Forms.WebBrowser
web.Navigate("http://toutiao.com/m6192786832/")
Do Until web.ReadyState = 4
    Application.DoEvents
Loop
Do Until web.DocumentText.contains("没有更多啦")
    web.Document.Window.ScrollTo(0, 0)
    web.Document.Window.ScrollTo(0, web.Document.Body.ScrollRectangle.Height)
    Application.DoEvents
Loop
Output.Show(web.Document.body.Innerhtml)

可以把输出结果放到一些html编辑器中格式化方便分析，我使用的是vs的自动格式化功能，如图

图片点击可在新窗口打开查看此主题相关图片如下：1.png
图片点击可在新窗口打开查看

[此贴子已经被作者于2016/12/7 10:11:00编辑过]
 回到顶部
帅哥哟，离线，有人找我吗？
有点蓝
 小大  2楼 | 信息 | 搜索 | 邮箱 | 主页 | UC


加好友 发短信
等级：超级版主 帖子：109463 积分：556971 威望：0 精华：9 注册：2015/6/24 9:21:00 		  发帖心情 Post By：2016/11/7 21:57:00 [显示全部帖子]


图片点击可在新窗口打开查看此主题相关图片如下：1.png
图片点击可在新窗口打开查看


第二部步，分析网页。结合原网页从4楼图中可以看出，每一个li对应一条新闻，所以代码增加行只需要在循环获取li标签的内容时增加即可，而不是在循环a标签中增加行，代码如

Dim lis = web.Document.GetElementById("content-left").GetElementsByTagName("li")
Dim str As String = ""
For i As Integer = 0 To lis.count-1
    Dim dr As DataRow = DataTables("头条文章").AddNew()
    Dim lsa = lis(i).GetElementsByTagName("a")
 回到顶部
帅哥哟，离线，有人找我吗？
有点蓝
 小大  3楼 | 信息 | 搜索 | 邮箱 | 主页 | UC


加好友 发短信
等级：超级版主 帖子：109463 积分：556971 威望：0 精华：9 注册：2015/6/24 9:21:00 		  发帖心情 Post By：2016/11/7 22:25:00 [显示全部帖子]

第三步，从6楼图片结合4楼网页源代码可以看出，有图片的新闻a标签不止一个，有几个图片就多出几个a标签，标题就在第一个a标签里，所以只要获取第一个a标签即可，为了保险起见，观察标题的标签都是以css类“title-box link”设置的，所以就从这个类名称取值安全一点

代码如下

    Dim lsa = lis(i).GetElementsByTagName("a")
    For Each a As object In lsa
        If a.GetAttribute("className") = "title-box link" Then
            str &= a.InnerHtml & vbcrlf
            str &= a.GetAttribute("href") & vbcrlf
            dr("网址") = a.GetAttribute("href")
            Dim bt As System.Windows.Forms.HtmlElement
            bt = web.Document.GetElementByID("keywords")   '今日头条单位标题
            dr("单位") = bt.innerText & " " & bt.GetAttribute("content")
            dr("文章标题") = a.InnerHtml
            Exit For
        End If
    Next

同理，分析阅读量位于class名称为“y-left”的DIV标签里，把网页字符去掉，并分割，可以取出阅读/评论和时间3块内容，代码如下：
    Dim divs = lis(i).GetElementsByTagName("div")
    For Each div As object In divs
        If div.GetAttribute("className") = "y-left" Then
            Dim arr() As String = div.InnerText.Replace(" ","").split("?")
            Dim lsspan As String = arr(0)
                dr("阅读数") = lsspan.Replace("阅读","").Replace("播放","")
                dr("评论数") = arr(1).Replace("评论","")
                dr("发布时间") =  arr(2)    
            Exit For          '
        End If
    Next
 回到顶部
帅哥哟，离线，有人找我吗？
有点蓝
 小大  4楼 | 信息 | 搜索 | 邮箱 | 主页 | UC


加好友 发短信
等级：超级版主 帖子：109463 积分：556971 威望：0 精华：9 注册：2015/6/24 9:21:00 		  发帖心情 Post By：2016/11/7 22:27:00 [显示全部帖子]

完整代码看：

''' ‘注意这里的三个单引号
DataTables("头条文章").DataRows.Clear
Dim web As new System.Windows.Forms.WebBrowser
web.Navigate("http://toutiao.com/m6192786832/")
Do Until web.ReadyState = 4
    Application.DoEvents
Loop
Do Until web.DocumentText.contains("没有更多啦")
    web.Document.Window.ScrollTo(0, 0)
    web.Document.Window.ScrollTo(0, web.Document.Body.ScrollRectangle.Height)
    Application.DoEvents
Loop

Dim lis = web.Document.GetElementById("content-left").GetElementsByTagName("li")
Dim str As String = ""

For i As Integer = 0 To lis.count-1
    Dim dr As DataRow = DataTables("头条文章").AddNew()
    Dim lsa = lis(i).GetElementsByTagName("a")
    For Each a As object In lsa
        If a.GetAttribute("className") = "title-box link" Then
            str &= a.InnerHtml & vbcrlf
            str &= a.GetAttribute("href") & vbcrlf
            dr("网址") = a.GetAttribute("href")
            Dim bt As System.Windows.Forms.HtmlElement
            bt = web.Document.GetElementByID("keywords")   '今日头条单位标题
            dr("单位") = bt.innerText & " " & bt.GetAttribute("content")
            dr("文章标题") = a.InnerHtml
            Exit For
        End If
    Next
    Dim divs = lis(i).GetElementsByTagName("div")
    For Each div As object In divs
        If div.GetAttribute("className") = "y-left" Then
            Dim arr() As String = div.InnerText.Replace(" ","").split("?")　’论坛无法显示这种特殊符号，所以显示成?号了，到网页源码中拷贝这个特殊符号（见下图）到代码编辑器中即可
            Dim lsspan As String = arr(0)
                dr("阅读数") = lsspan.Replace("阅读","").Replace("播放","")
                dr("评论数") = arr(1).Replace("评论","")
                dr("发布时间") =  arr(2)    
            Exit For          '
        End If
    Next
    
Next


图片点击可在新窗口打开查看此主题相关图片如下：1.png
图片点击可在新窗口打开查看

[此贴子已经被作者于2016/11/7 22:55:12编辑过]
 回到顶部
帅哥哟，离线，有人找我吗？
有点蓝
 小大  5楼 | 信息 | 搜索 | 邮箱 | 主页 | UC


加好友 发短信
等级：超级版主 帖子：109463 积分：556971 威望：0 精华：9 注册：2015/6/24 9:21:00 		  发帖心情 Post By：2016/11/7 22:31:00 [显示全部帖子]

一定的编程基础知识+网页基础+一定的耐心分析，代码其实并不复杂。

以后类似的网页分析未必会再给你处理，请自己理解
 回到顶部
帅哥哟，离线，有人找我吗？
有点蓝
 小大  6楼 | 信息 | 搜索 | 邮箱 | 主页 | UC


加好友 发短信
等级：超级版主 帖子：109463 积分：556971 威望：0 精华：9 注册：2015/6/24 9:21:00 		  发帖心情 Post By：2016/11/7 22:57:00 [显示全部帖子]

有个特殊字符显示不了，９楼更新了一下

 回到顶部
RSS2.0 | Xhtml无图版 | Xslt无图版 Copyright © 2000 - 2018 foxtable.com Tel: 4000-810-820 粤ICP备11091905号
   Powered By Dvbbs Version 8.3.0
页面执行时间 0.04297 秒, 5 次数据查询