vba抓取网页数据(UI学习大纲与UI的交互(UIInteraction)的GetText )

　　vba抓取网页数据(UI学习大纲与UI的交互(UIInteraction)的GetText

)

　　学习大纲

　　UI交互可以分为两种类型：输入和输出。

　　**输入**：让应用程序做一些事情。如鼠标单击、文本输入、键盘快捷键、鼠标右键单击、鼠标悬停等。

　　**输出**：从应用程序中提取信息。获取文本、查找元素和图片、操作剪贴板等。

　　1. 输入法

　　输入法**兼容性**运行速度支持后台工作支持热键自动清除内容

　　默认

　　100%

　　50%

　　X

　　√

　　X

　　窗口消息

　　80%

　　50%

　　√

　　√

　　X

　　模拟类型/点击

　　*70%

　　100%

　　√

　　X

　　√

　　*Simulate Type/Click 兼容 99% 的 Web 应用程序和 60% 的桌面应用程序

　　实例验证：

　　

　　

　　操作结果：

　　建议：尝试每种输入法。首先使用 Default 方法，因为它肯定会起作用。然后尝试使用 Simulate 或 WindowMessages 方法来提高运行速度或实现后台工作。

　　2. 输出方式：屏幕抓取

　　上一课使用的Get Text 活动仅适用于抓取简单和简短的文本。和屏幕

　　抓取可以抓取复杂元素中存在的较大文本片段。屏幕

　　刮取还可以获得文本的位置和颜色等信息。

　　使用 Screen Scraping 工具抓取信息时，您可以尝试以下三种方法：

　　**输出方式**运行速度**准确度**支持后台工作获取文本位置获取隐藏文本兼容Citrix

　　全文

　　很快

　　100%

　　√

　　X

　　√

　　X

　　本国的

　　快点

　　100%

　　X

　　√

　　X

　　X

　　文字识别

　　非常慢

　　98%

　　X

　　√

　　X

　　√

　　FullText 是默认的方法，大多数情况下也有一个有效的方法。

　　Native 的优点是可以获取文本的其他信息，例如单词或字母在屏幕上的坐标。

　　OCR 无法达到 100% 的准确率，但是当其他两种方法都不起作用时，OCR 是最后的手段。

　　*只有 OCR 可以在 Citrix 或虚拟环境中运行。OCR 还可以获取文本位置。

　　如何使用屏幕抓取：

　　1) 点击Design Ribbon中的Screen Scraping按钮，会出现选择界面。

　　

　　2)点击选择要提取的信息。您可以选择收录多个元素的区域。

　　

　　3) 选择后，会弹出 Screen Scraper Wizard 窗口。点击界面

　　元素或区域可以更改从中提取信息的区域。

　　这里UiPath自动选择了Native方法，可以在Options面板中改成其他两种方法。

　　

　　从预览面板中可以看到，Native 方法只抓取可编辑区域中的文本。

　　4) 切换到全文方式后，预览面板中的信息发生了变化。

　　满的

　　Text方法不仅抓取可编辑区域的文字，还抓取不可编辑区域的文字和下拉列表中隐藏的文字。

　　

　　*在选项面板中勾选忽略

　　Hidden 选项，然后单击 Re-scrape 按钮忽略隐藏的文本。

　　

　　5) OCR 方法就更不一样了。它将所选区域视为图片来阅读文本。

　　由于错别字，OCR方法只适用于数据不需要完全正确的情况。

　　

　　UiPath 提供两个 OCR 引擎。微软Office

　　OCR 适用于较大的图像，例如扫描的文档。

　　Google OCR 更适合读取较小、分辨率较低的图像，例如界面上的元素。

　　

　　“选项”面板中的“反转”选项专门用于某些黑底白字的图片。缩放选项可以放大图片以获得更好的效果。

　　我们可以一一尝试这些选项，看看预览面板的结果有什么变化，找到最佳组合。

　　6) 设置好后，点击右下角的Continue按钮，会得到一个ScreenScraping Sequence。

　　

　　

　　Selector 代表要抓取文本的元素或区域。当多个活动的元素或区域相同时，可以将Selector中的内容直接复制到其他活动中，而无需重新选择元素或区域。Text 变量用于保存捕获的文本。

　　如果你想尝试另一个OCR，你可以删除谷歌OCR活动，然后更改MS Office

　　OCR活动拖进来，建议把Scale属性改成3，因为MS Office

　　OCR 更适合阅读较大的图片。

　　*如果您不使用屏幕抓取，您也可以手动添加活动。

　　手动添加的输出方式

　　基本录音

　　获取文本

　　全文

　　获取全文

　　本国的

　　获取可见文本

　　文字识别

　　获取 OCR 文本

　　*****在上面的例子中，Get Text 活动只能抓取“地址”这个词。

　　3. 数据抓取

　　Screen Scraping 用于捕获 Freeform Data（自由格式数据）。和数据

　　抓取用于捕获**结构化数据**。

　　什么是结构化数据？

　　当你在谷歌上搜索某个关键词时，你得到的搜索结果是由多条格式相同的数据组成，每条数据由三部分组成：标题、网址和描述。此类数据是结构化的

　　数据。

　　

　　如何使用数据抓取：

　　以亚马逊的图书搜索页面为例。此页面上的数据也是结构化的

　　数据，但比 Google 的搜索结果页面更复杂。

　　

　　1)单击设计功能区中的 Web

　　Scraping 按钮，会出现一个向导窗口，点击 Next 开始选择第一个元素。

　　

　　

　　2) 点击第一本书的书名，会再次弹出向导窗口。单击下一步继续。

　　

　　

　　3) 点击第二本书的书名，会再次弹出向导窗口。书名也是一个链接，因此向导窗口可以选择提取文本或 URL。

　　

　　此处选中了这两个选项，它们被命名为 Title 和 URL。点击下一步按钮，弹出向导预览界面。

　　

　　4)除了预览数据外，还标注了网页上的相应位置，方便查看。然后提取“作者”和“价格”并单击 ExtractCorrelated Data 按钮。

　　5)选择第一个元素时向导返回界面，重复上述步骤提取“作者”和“价格”信息。单击完成按钮。

　　6)UiPath 会询问我们数据是否跨页面分布。将页面下拉到您选择页码的位置，选择是，然后选择页面上的下一页元素。

　　

　　

　　7) 向导结束后，你会得到一个名为WebScraping的Sequence，并得到一个DataTable类型的Output变量。

　　添加写入 CSV 活动以将捕获的数据保存在 CSV 文件中。

　　8) 这个CSV文件有100条记录，但搜索结果远远超过100条。这是因为UiPath默认只抓取100条记录，你可以在属性面板中更改设置。

　　

　　使用Web Scraping抓取网页上的表格（HTML表格），当您点击表格中的任何单元格时，会弹出Extract Table提示窗口。

　　如果选择是，则可以直接抓取整个表格的数据，而无需选择第二个元素。如果选择否，则需要重复前面的步骤来选择第二个元素。

　　

　　4. 练习：

　　提取链接页面的 100 条记录，包括名称和价格，并将数据存储在新的 Excel 表中。

　　*第一次选择页面的名字，

　　第二次选择页面的姓氏。与第二次选择第二个名字相比，它更有可能生成一致的标识符

　　（一致的标识符）。

　　2) 不应用Recording功能完成如下操作：在记事本中打开字体对话框，将字体改为Arial，样式改为斜体，将字体大小增加5，并选择一个新的脚本

　　（脚本）。

　　在第二个Attach Window活动的Do中添加一个Click活动，点击格式菜单中的字体

　　（字体）按钮。

　　在弹出的字体对话框中添加一个新的附加窗口活动。

　　为第三个附加窗口活动的 Do 添加一个类型

　　进入activity，指定元素并点击字体输入框，输入Arial。

　　添加另一个 Type Into 活动，指定元素并单击字体样式输入框，输入斜体。

　　添加获取

　　在 Text 活动中，指定元素并单击字体大小的输入框。创建一个 Int32 类型的新变量 fontSize 并将其设置为 Get

　　文本活动的输出。

　　添加类型

　　进入activity，指定元素，点击字体大小的输入框，输入**(fontSize+5).ToString**.

　　添加选择

　　Item活动，指定Script下拉菜单为Target的Selector参数，输入Greek作为Input的Item参数。

　　注意：

　　*本课使用的新活动、方法、功能等：

　　加入万人职场社区，为你的事业保驾护航！