用于简单 URL 抓取的 iOpus iMacros 脚本

Question

尝试使用 iMacros for Firefox 插件提取链接 url。

以下输入 html代码在要抓取的网站上：链接url和描述

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

来自 iMacros 的所需 输出：只需链接 url

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

由于网站上有更多链接，因此 class="subcl" 应包含在代码中。也许有一种方法可以实现嵌套结构？如果可能的话，我更喜欢非 Javascript 代码，因为我自己不会在其中编写代码。

以下宏代码不起作用

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#（到达文件末尾但没有匹配）。当我将 EXTRACT=HREF 替换为 EXTRACT=TXT 时，它会返回 "description" 但我需要 URL。

---

编辑

澄清 symbiotech 的答案：输入的 html 代码之前是元素 <h1> 以及 <p>。总而言之，它看起来像这样......

<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a 元素中提取href，而不是从div 本身。此外，由于您说页面上还有其他链接，您需要将每个“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

EDIT 针对您的具体情况： 您需要将自己定位在要提取的元素之上，但在同一树级别上，以便正确使用相对定位。那个空的 p elem 似乎是一个足够好的锚，或者你可以使用 h1 元素，如果它的文本没有太大变化：

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