Foxtable(狐表) → 用户栏目 → 专家坐堂 → [求助]web内容提取


  共有2261人关注过本帖树形打印复制链接

主题：[求助]web内容提取
帅哥哟，离线，有人找我吗？
benwong2013
 小大  1楼 | 信息 | 搜索 | 邮箱 | 主页 | UC


加好友 发短信
等级：一尾狐 帖子：485 积分：4069 威望：0 精华：0 注册：2015/12/16 8:22:00 		[求助]web内容提取  发帖心情 Post By：2019/4/17 12:25:00 [只看该作者]

若要提取web html的文档如何提取标识红色字体内容

<html><body><table cellpadding="0" cellspacing="0" align="center" bgcolor="#ffffff" width="734" style="line-height:20px"><tbody><tr><td width="154" height="66"><img width="110" height="45" alt="前程无忧logo" src="http://img01.51jobcdn.com/im/2016/logo.png"></td><td><table cellspacing="0" cellpadding="0" border="0" bgcolor="#ffffff"><tbody><tr><td valign="top"><table cellspacing="0" cellpadding="0" border="0" width="440" bgcolor="#ffffff" style="font-size:12px;padding-right:8px"><tbody><tr><td valign="top" style="width:70px;color:#666666">应聘职位：</td><td valign="top" style="font-weight:bold;color:#333333;word-break:break-all">人力资源总监（东莞）</td></tr></tbody></table></td><td valign="top"><table cellspacing="0" cellpadding="0" border="0" width="140" bgcolor="#ffffff" style="font-size:12px"><tbody><tr><td valign="top" style="width:66px;color:#666666">投递时间：</td><td valign="top" style="font-weight:bold;color:#333333;word-break:break-all">2019-04-16</td></tr></tbody></table></td></tr><tr><td valign="top"><table cellspacing="0" cellpadding="0" border="0" width="440" bgcolor="#ffffff" style="font-size:12px;padding-right:8px"><tbody><tr><td valign="top" style="width:70px;color:#666666">应聘公司：</td><td valign="top" style="font-weight:bold;color:#333333;word-break:break-all">AA公司</td></tr></tbody></table></td><td valign="top"><table cellspacing="0" cellpadding="0" border="0" width="140" bgcolor="#ffffff" style="font-size:12px"><tbody><tr><td valign="top" style="width:66px;color:#666666">简历匹配：</td><td valign="top" style="font-weight:bold;color:#ff6000">65%</td></tr></tbody></table></td></tr></tbody></table></td></tr></tbody></table>

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml"><head><meta http-equiv="Content-Type" c></meta><meta c name="format-detection"></meta></head><body><table cellpadding="0" cellspacing="0" align="center" bgcolor="#ffffff" width="734" style="line-height:20px;border:1px solid #dedede"><tbody><tr><td valign="top"><table xmlns="" cellspacing="0" cellpadding="0" border="0" bgcolor="#ffffff"><tbody><tr>
<td width="125" height="130" align="middle"><img src="c24bb7345b500fcc5548fd74b1ac719c_0_89624.jpg" width="85" height="104" style="display:block;background-color:#fafafa;border:0 none" alt="头像"></td>
<td>
<table cellspacing="0" cellpadding="0" border="0" width="592" style="font-size:12px;color:#333333;table-layout:auto"><tbody><tr>
<td width="400" style="padding-bottom:18px">
<strong style="font-size:18px;font-weight:normal">罗三贵</strong>&nbsp;|&nbsp;男&nbsp;|&nbsp;49 岁(1969/11/1)&nbsp;|&nbsp;20年工作经验
                  </td>
<td align="right" width="100" style="color:#a1a3ae;padding-bottom:18px;padding-right:5px">
                    ID:29229060</td>
</tr></tbody></table>
<table cellspacing="0" cellpadding="0" border="0" width="592" style="color:#333333;table-layout:auto"><tbody>
<tr>
<td valign="top" width="200" style="padding-right:10px"><table cellspacing="0" cellpadding="0" border="0" style="font-size:12px"><tbody><tr>
<td valign="top" width="85" style="line-height:20px;color:#666666">
                              手机：
                            </td>
<td valign="bottom" style="line-height:20px;color:#333333;word-break:break-all">13923111198</td>
</tr></tbody></table></td>
<td valign="top" width="331" style="padding-right:10px;padding-left:10px"><table cellspacing="0" cellpadding="0" border="0" style="font-size:12px"><tbody><tr>
<td valign="top" width="85" style="line-height:20px;color:#666666">
                              邮箱：
                            </td>
<td valign="bottom" style="line-height:20px;color:#333333;word-break:break-all"><a href="mailto:luoshanjin@126.com">luo111in@126.com</a></td>
</tr></tbody></table></td>
</tr>
<tr>
<td valign="top" width="200" style="padding-right:10px"><table cellspacing="0" cellpadding="0" border="0" style="font-size:12px"><tbody><tr>
<td valign="top" width="85" style="line-height:20px;color:#666666">
                              居住地：
                            </td>
<td valign="bottom" style="line-height:20px;color:#333333;word-break:bre
 回到顶部
帅哥哟，离线，有人找我吗？
有点色
 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：13837 积分：69650 威望：0 精华：0 注册：2016/11/1 14:42:00 		  发帖心情 Post By：2019/4/17 12:43:00 [只看该作者]

 

把你的网页另存一下，打包发上来测试。

 

 
 回到顶部
帅哥哟，离线，有人找我吗？
benwong2013
 小大  3楼 | 信息 | 搜索 | 邮箱 | 主页 | UC


加好友 发短信
等级：一尾狐 帖子：485 积分：4069 威望：0 精华：0 注册：2015/12/16 8:22:00 		  发帖心情 Post By：2019/4/18 10:44:00 [只看该作者]

 下载信息  [文件大小：   下载次数： ]
图片点击可在新窗口打开查看点击浏览该文件:resume.rar

最近用chrom和火狐浏览器都不能点击添加附件，最后用IE可以；

 

附件是另存的文档，请帮忙分析一下，谢谢！
 回到顶部
帅哥哟，离线，有人找我吗？
有点甜
 小大  4楼 | 信息 | 搜索 | 邮箱 | 主页 | UC


加好友 发短信
等级：版主 帖子：85326 积分：427815 威望：0 精华：5 注册：2012/10/18 22:13:00 		  发帖心情 Post By：2019/4/18 11:48:00 [只看该作者]

参考代码

 

Dim web As new System.Windows.Forms.WebBrowser
web.navigate("C:\Users\dv rrxaI600 007\Downloads\resume\resume.html")
Do Until web.ReadyState = 4
    Application.DoEvents
Loop

Dim tbs As object = web.Document.GetElementsByTagName("table")
'For i As Integer = 0 To tbs.count-1
    'If tbs(i).Innerhtml.contains("luo111in@126.com")
        'output.show(i)
        'output.show(tbs(i).InnerHTML)
        'output.show("-------------")
    'End If
'Next

Dim str = tbs(8).GetElementsByTagName("tr")(0).GetElementsByTagName("strong")(0)
msgbox(str.Innertext)
str = tbs(10).GetElementsByTagName("tr")(0).GetElementsByTagName("td")(1)
msgbox(str.Innertext)
str = tbs(11).GetElementsByTagName("tr")(0).GetElementsByTagName("td")(1)
msgbox(str.Innertext)

[此贴子已经被作者于2019/4/18 12:16:42编辑过]
 回到顶部
帅哥哟，离线，有人找我吗？
benwong2013
 小大  5楼 | 信息 | 搜索 | 邮箱 | 主页 | UC


加好友 发短信
等级：一尾狐 帖子：485 积分：4069 威望：0 精华：0 注册：2015/12/16 8:22:00 		  发帖心情 Post By：2019/4/18 11:57:00 [只看该作者]

一般抓取的时候可能tbs(i).Innerhtml.contains("luo111in@126.com") 是一个动态的，请问这个要如何修改；

 回到顶部
帅哥哟，离线，有人找我吗？
有点甜
 小大  6楼 | 信息 | 搜索 | 邮箱 | 主页 | UC


加好友 发短信
等级：版主 帖子：85326 积分：427815 威望：0 精华：5 注册：2012/10/18 22:13:00 		  发帖心情 Post By：2019/4/18 12:17:00 [只看该作者]

红色这段代码是用来测试的，可以删除

 

Dim web As new System.Windows.Forms.WebBrowser
web.navigate("C:\Users\dv rrxaI600 007\Downloads\resume\resume.html")
Do Until web.ReadyState = 4
    Application.DoEvents
Loop

Dim tbs As object = web.Document.GetElementsByTagName("table")
'For i As Integer = 0 To tbs.count-1
    'If tbs(i).Innerhtml.contains("luo111in@126.com")
        'output.show(i)
        'output.show(tbs(i).InnerHTML)
        'output.show("-------------")
    'End If
'Next

Dim str = tbs(8).GetElementsByTagName("tr")(0).GetElementsByTagName("strong")(0)
msgbox(str.Innertext)
str = tbs(10).GetElementsByTagName("tr")(0).GetElementsByTagName("td")(1)
msgbox(str.Innertext)
str = tbs(11).GetElementsByTagName("tr")(0).GetElementsByTagName("td")(1)
msgbox(str.Innertext)
 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 0.03906 秒, 5 次数据查询