PowerShell 抓取網(wǎng)頁(yè)表格

因?yàn)槲沂怯⑽陌娴南到y(tǒng)，中文系統(tǒng)的界面轉(zhuǎn)換成字符串都成了亂碼方庭，因此測(cè)試都是在英文網(wǎng)頁(yè)上操作的。

PowerShell 5里面有一個(gè)新的函數(shù)叫做ConvertFrom-String, 他的作用是把字符串轉(zhuǎn)換成對(duì)象酱固。其中一個(gè)參數(shù)是可以根據(jù)指定的模板械念，把對(duì)應(yīng)的那一部分字符串匹配出來生成對(duì)象，我們可以利用這個(gè)功能抓取網(wǎng)頁(yè)中的表格运悲。

首先看個(gè)基本例子

$a= @' 1 2 3 4 5 6 7 8 9 2 2 3 '@$ t=
@'
{Co1:1} {Co2:2} {Co3:3} {Co4:4}
{Co1:5} 6 7 8
'@
$c=$ a | ConvertFrom-String -Delimiter "\r\n"
$d=$ a | ConvertFrom-string -TemplateContent $t

</pre>

同樣的字符串龄减，第一個(gè)我用分隔符回車換行來生成一個(gè)對(duì)象；第二個(gè)我用自定義的模板格式來進(jìn)行匹配班眯。注意屬性定義的格式寫法 {}隔開希停，然后第一個(gè)需要{屬性名字：}，后面不需要加,至少需要匹配2行數(shù)據(jù)才行署隘。

可以看見第一個(gè)對(duì)象有3個(gè)屬性宠能，P1是1 2 3 4，P2 是 4 5 6 7 磁餐，P3是9 2 2 3;

第二個(gè)對(duì)象則是根據(jù)每一列來自動(dòng)匹配的（已經(jīng)有一個(gè)模板匹配了前2行）

[圖片上傳失敗...(image-88d472-1613784436944)]

接下來我們來看2個(gè)實(shí)例。

第一個(gè)例子是這個(gè)網(wǎng)頁(yè)诊霹，里面有一個(gè)澳洲代理服務(wù)器的列表羞延，如下所示，我想抓出來

http://www.proxylisty.com/country/Australia-ip-list

</pre>

[圖片上傳失敗...(image-9b7f9f-1613784436944)]

基本思路：invoke-restmethod直接抓取整個(gè)網(wǎng)頁(yè)脾还，自動(dòng)轉(zhuǎn)換為string對(duì)象伴箩。

然后設(shè)計(jì)對(duì)應(yīng)的模板。因?yàn)槭莌tml文件鄙漏，轉(zhuǎn)換為string以后對(duì)應(yīng)的html代碼都在里面嗤谚。因此關(guān)鍵是怎么把這些帶有html代碼的表格模板弄出來。

很簡(jiǎn)單泥张，網(wǎng)頁(yè)都可以查看html的源代碼呵恢，下面一大段html的代碼可以直接從網(wǎng)頁(yè)上復(fù)制粘貼對(duì)應(yīng)的2行表格代碼即可，稍加修改添加屬性名字就行了媚创。

然后根據(jù)模板匹配就會(huì)自動(dòng)生成對(duì)應(yīng)的表格對(duì)象了

$web = 'http://www.proxylisty.com/country/Australia-ip-list'$ template =
@'
<tr>
<td>{IP:203.56.188.145}</td>
<td><a title='Port 8080 Proxy List'>{Port:8080}</a></td>
<td>HTTP</td>
<td><a style='color:red;' href='http://www.proxylisty.com/anonymity/High anonymous / Elite proxy-ip-list' title='High anonymous / Elite proxy Proxy List'>High anonymous / Elite proxy</a></td>
<td>No</td>
<td><a title='Australia IP Proxy List'><img style='margin: 0px 5px 0px 0px; padding: 0px;' src='http://www.proxylisty.com/assets/flags/AU.png' title='Australia IP Proxy List'/>Australia</a></td>
<td>13 Months</td>
<td>2.699 Sec</td>
<td><div id="progress-bar" class="all-rounded">
<div title='50%' id="progress-bar-percentage" class="all-rounded" style="width: 50%">{Reliability:50%}</div></div></td>
</tr>
<tr>
<td>{IP:103.25.182.1}</td>
<td><a title='Port 8081 Proxy List'>{Port:8081}</a></td>
<td>HTTP</td>
<td><a style='color:red;' href='http://www.proxylisty.com/anonymity/Anonymous proxy-ip-list' title='Anonymous proxy Proxy List'>Anonymous proxy</a></td>
<td>No</td>
<td><a title='Australia IP Proxy List'><img style='margin: 0px 5px 0px 0px; padding: 0px;' src='http://www.proxylisty.com/assets/flags/AU.png' title='Australia IP Proxy List'/>Australia</a></td>
<td>15 Months</td>
<td>7.242 Sec</td>
<td><div id="progress-bar" class="all-rounded">
<div title='55%' id="progress-bar-percentage" class="all-rounded" style="width: 55%">{Reliability:55%}</div></div></td>
</tr>
'@
$temp=Invoke-RestMethod -uri$ web
$result = ConvertFrom-String -TemplateContent$ template -InputObject $temp$ result | sort reliability

</pre>

成功抓取

image

我還可以更進(jìn)一步渗钉，我想測(cè)試一下這些抓取下來的地址是否真的可以用，寫個(gè)function測(cè)試看看

function Test-Proxy{
[cmdletbinding()]
param(
[Parameter(Mandatory= $true, ValueFromPipeline=$ true,
ValueFromPipelineByPropertyName= $true, position=0 ) ] [string]$ server,
[string] $url = "http://www.microsoft.com" ) write-host "Test Proxy Server:$ server" -NoNewline
$proxy = new-object System.Net.WebProxy($ server)
$WebClient = new-object System.Net.WebClient$ WebClient.proxy = $proxy Try {$ content = $WebClient.DownloadString($ url)
Write-Host " Opened $url successfully" -ForegroundColor Cyan } catch { Write-Host " Unable to access$ url" -ForegroundColor Yellow
}
}
foreach ( $r in$ result){
$servername="http://"+$ r.IP+":"+ $r.Port Test-proxy -server$ servername -url "www.google.com"
}

</pre>

測(cè)試標(biāo)明都是坑貨

image

類似的，豆子最近比較關(guān)注健康食物鳄橘，我想看看低GI的食物有哪些

http://ultimatepaleoguide.com/glycemic-index-food-list

</pre>

需要把下面這個(gè)表格抓出來

image

$t2=@' <tr> <td valign="top">{Food*:Banana cake, made with sugar}</td> <td valign="top">{GI:47}</td> <td valign="top">{Size:60}</td> </tr> <tr> <td valign="top">{Food*:Banana cake, made without sugar}</td> <td valign="top">{GI:55}</td> <td valign="top">{Size:60}</td> </tr> '@$ web2='http://ultimatepaleoguide.com/glycemic-index-food-list/'
$temp=Invoke-RestMethod -uri$ web2
$result1 = ConvertFrom-String -TemplateContent$ t2 -InputObject $temp$ result1 | Out-GridView

</pre>

成功声离！

image

這種方式很有用，尤其是需要獲取網(wǎng)頁(yè)某些列表信息的時(shí)候瘫怜，當(dāng)然术徊，如果網(wǎng)頁(yè)本身就提供RESTFUL的接口，可以直接獲取JSON格式的內(nèi)容那就更省事了鲸湃。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者

人面猴
序言：七十年代末赠涮，一起剝皮案震驚了整個(gè)濱河市，隨后出現(xiàn)的幾起案子暗挑，更是在濱河造成了極大的恐慌笋除，老刑警劉巖，帶你破解...
沈念sama閱讀 216,496評(píng)論 6贊 501
死咒
序言：濱河連續(xù)發(fā)生了三起死亡事件炸裆，死亡現(xiàn)場(chǎng)離奇詭異垃它，居然都是意外死亡，警方通過查閱死者的電腦和手機(jī)烹看，發(fā)現(xiàn)死者居然都...
沈念sama閱讀 92,407評(píng)論 3贊 392
救了他兩次的神仙讓他今天三更去死
文/潘曉璐我一進(jìn)店門国拇，熙熙樓的掌柜王于貴愁眉苦臉地迎上來，“玉大人惯殊，你說我怎么就攤上這事酱吝。” “怎么了靠胜？”我有些...
開封第一講書人閱讀 162,632評(píng)論 0贊 353
道士緝兇錄：失蹤的賣姜人
文/不壞的土叔我叫張陵掉瞳，是天一觀的道長(zhǎng)。經(jīng)常有香客問我浪漠，道長(zhǎng)陕习，這世上最難降的妖魔是什么？我笑而不...
開封第一講書人閱讀 58,180評(píng)論 1贊 292
?港島之戀（遺憾婚禮）
正文為了忘掉前任址愿，我火速辦了婚禮该镣，結(jié)果婚禮上，老公的妹妹穿的比我還像新娘响谓。我一直安慰自己损合，他們只是感情好，可當(dāng)我...
茶點(diǎn)故事閱讀 67,198評(píng)論 6贊 388
惡毒庶女頂嫁案：這布局不是一般人想出來的
文/花漫我一把揭開白布娘纷。她就那樣靜靜地躺著嫁审，像睡著了一般。火紅的嫁衣襯著肌膚如雪赖晶。梳的紋絲不亂的頭發(fā)上律适，一...
開封第一講書人閱讀 51,165評(píng)論 1贊 299
城市分裂傳說
那天辐烂，我揣著相機(jī)與錄音，去河邊找鬼捂贿。笑死纠修，一個(gè)胖子當(dāng)著我的面吹牛，可吹牛的內(nèi)容都是我干的厂僧。我是一名探鬼主播扣草，決...
沈念sama閱讀 40,052評(píng)論 3贊 418
雙鴛鴦連環(huán)套：你想象不到人心有多黑
文/蒼蘭香墨我猛地睜開眼，長(zhǎng)吁一口氣：“原來是場(chǎng)噩夢(mèng)啊……” “哼颜屠！你這毒婦竟也來了辰妙？” 一聲冷哼從身側(cè)響起，我...
開封第一講書人閱讀 38,910評(píng)論 0贊 274
萬(wàn)榮殺人案實(shí)錄
序言：老撾萬(wàn)榮一對(duì)情侶失蹤汽纤，失蹤者是張志新（化名）和其女友劉穎上岗，沒想到半個(gè)月后，有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體蕴坪，經(jīng)...
沈念sama閱讀 45,324評(píng)論 1贊 310
?護(hù)林員之死
正文獨(dú)居荒郊野嶺守林人離奇死亡，尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛以下內(nèi)容為張勛視角年9月15日...
茶點(diǎn)故事閱讀 37,542評(píng)論 2贊 332
?白月光啟示錄
正文我和宋清朗相戀三年敬锐，在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了背传。大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
茶點(diǎn)故事閱讀 39,711評(píng)論 1贊 348
活死人
序言：一個(gè)原本活蹦亂跳的男人離奇死亡台夺，死狀恐怖径玖，靈堂內(nèi)的尸體忽然破棺而出，到底是詐尸還是另有隱情颤介，我是刑警寧澤梳星，帶...
沈念sama閱讀 35,424評(píng)論 5贊 343
?日本核電站爆炸內(nèi)幕
正文年R本政府宣布，位于F島的核電站滚朵，受9級(jí)特大地震影響冤灾，放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜辕近，卻給世界環(huán)境...
茶點(diǎn)故事閱讀 41,017評(píng)論 3贊 326
男人毒藥：我在死后第九天來索命
文/蒙蒙一韵吨、第九天我趴在偏房一處隱蔽的房頂上張望。院中可真熱鬧移宅，春花似錦归粉、人聲如沸。這莊子的主人今日做“春日...
開封第一講書人閱讀 31,668評(píng)論 0贊 22
一樁弒父案糠悼，背后竟有這般陰謀
文/蒼蘭香墨我抬頭看了看天上的太陽(yáng)。三九已至浅乔，卻和暖如春倔喂，著一層夾襖步出監(jiān)牢的瞬間，已是汗流浹背。一陣腳步聲響...
開封第一講書人閱讀 32,823評(píng)論 1贊 269
情欲美人皮
我被黑心中介騙來泰國(guó)打工滴劲，沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留攻晒，地道東北人。一個(gè)月前我還...
沈念sama閱讀 47,722評(píng)論 2贊 368
代替公主和親
正文我出身青樓班挖，卻偏偏與公主長(zhǎng)得像鲁捏，于是被迫代替她去往敵國(guó)和親。傳聞我的和親對(duì)象是個(gè)殘疾皇子萧芙，可洞房花燭夜當(dāng)晚...
茶點(diǎn)故事閱讀 44,611評(píng)論 2贊 353

PowerShell 抓取網(wǎng)頁(yè)表格

推薦閱讀更多精彩內(nèi)容