15

我正在尝试编写一个 PowerShell 脚本来从网站上获取所有名为“newstitle”的类中的文本。

这就是我所拥有的：

function check-krpano {
    $geturl=Invoke-WebRequest http://krpano.com/news/
    $news=$geturl.parsedhtml.body.GetElementsByClassName("newstitle")[0]
    Write-Host  "$news"
}

check-krpano

它显然需要更多的调整，但到目前为止，它不起作用。

我设法使用 GetElementById 编写了一个脚本，但我不知道 GetElementsByClassName 的语法，老实说，我还没有找到很多关于它的信息。

笔记：

我已经勾选了我的问题的正确答案，但这不是我选择在我的脚本中使用的解决方案。

尽管我能够使用 2 种方法在包含某个类的标签中找到内容，但它们比搜索链接要慢得多。

这是使用 Measure-Command 的输出：

  • 使用 parsedhtml.body -> 29.6 秒搜索包含类“newstitle”的 div
  • 使用 Allelements -> 10.4 秒搜索包含类“newstitle”的开发人员
  • 搜索其元素“href”包含#news -> 2.4 秒的链接

因此，我将 Links 方法答案标记为有用。

这是我的最终脚本：

function check-krpano {
    Clear-Host
    $geturl=Invoke-WebRequest http://krpano.com/news
    $news = ($geturl.Links |Where href -match '\#news\d+' | where class -NotMatch 'moreinfo+' )
    $news.outertext | Select-Object -First 5
}

check-krpano
4

5 回答 5

21

如果您知道如何让 GetElementsByClassName 工作，我想知道。我昨天刚遇到这个，没时间了，所以我想出了一个解决方法：

$geturl.ParsedHtml.body.getElementsByTagName('div') | 
    Where {$_.getAttributeNode('class').Value -eq 'newstitle'}
于 2013-07-13T00:13:04.820 回答
19

getElementsByClassName不直接返回数组，而是通过 COM 代理结果。正如您所发现的，操作员不会自动转换为数组[]。您可以使用列表评估语法 ,@()首先将其强制为数组，以便您可以访问单个元素：

@($body.getElementsByClassName("foo"))[0].innerText

顺便说一句，如果您使用对象管道，则会自动执行转换，例如：

$body.getElementsByClassName("foo") | Select-Object -First 1

它也通过foreach构造自动执行：

foreach ($element in $body.getElementsByClassName("foo"))
{
    $element.innerText
}
于 2014-03-01T15:08:54.253 回答
3

在我的一生中，也不能让这种方法起作用！

不过，这取决于您在结果中需要什么，这可能会有所帮助；

function check-krpano {
$geturl=Invoke-WebRequest http://krpano.com/news

$news=($geturl.Links|where href -match '\#news\d+')[0]

$news

}

check-krpano

还给我：

innerHTML : krpano 1.16.5 released
innerText : krpano 1.16.5 released
outerHTML : <A href="#news1165">krpano 1.16.5 released</A>
outerText : krpano 1.16.5 released
tagName   : A
href      : #news1165

当然，您可以直接使用这些属性，所以如果您只想知道最新发布的 krpano 版本，可以这样做： 

function check-krpano {
$geturl=Invoke-WebRequest http://krpano.com/news

$news=($geturl.Links|where href -match '\#news\d+')[0]

$krpano_version = $news.outerText.Split(" ")[1]

Write-Host $krpano_version

}

check-krpano

将1.16.5在撰写本文时返回。

希望能实现你想要的，尽管方式不同。

编辑：

这可能比通过 select-object 管道快一点： 

function check-krpano {
$geturl=Invoke-WebRequest http://krpano.com/news  

($geturl.Links|where href -match '\#news\d+'|where class -notmatch 'moreinfo+')[0..4].outerText  

}
于 2013-07-13T00:46:07.730 回答
1

我意识到这是一个老问题，但我想为其他可能试图通过使用 COM 对象控制 Internet Explorer 来实现相同目标的人添加一个答案，如下所示：

$ie = New-Object -com internetexplorer.application
$ie.navigate($url)
while ($ie.Busy -eq $true) { Start-Sleep -Milliseconds 100; }

我通常更喜欢像原始海报那样使用 Invoke-WebRequest，但我发现我似乎需要一个完整的 IE 实例才能看到所有 JavaScript 生成的 DOM 元素，即使我期望 parsedhtml .body 包括它们。

我发现我可以做这样的事情来通过类名获取元素集合：

$titles = $ie.Document.body.getElementsByClassName('newstitle')
foreach ($storyTitle in $titles) {
     Write-Output $storyTitle.innerText
}

在使用 PowerShell 搜索 DOM 时，我观察到原始发帖人指出的同样非常缓慢的性能，但是使用 PowerShell 3.0 和 IE11，Measure-Command 显示我的类集合在 280 毫秒内可以在 125 KB HTML 文档中找到。

于 2017-08-03T01:12:14.973 回答
0

它似乎适用于 PowerShell 5.1：

function check-krpano {
    $geturl = Invoke-WebRequest -Uri "http://krpano.com/news/"
    $news = $geturl.ParsedHtml.body.getElementsByClassName("newstitle")
    Write-Host "$($news[0].innerHTML)"
}

check-krpano

输出：

<A href="#news1206">krpano 1.20.6</A><SPAN class=smallcomment style="FLOAT: right"><A href="https://krpano.co
m/forum/wbb/index.php?page=Thread&amp;postID=81651#post81651"><IMG class=icon16m src="../design/ico-forumlink
.png"> krpano Forum Link</A></SPAN>
于 2020-05-10T13:30:05.110 回答