关于如何用vbs爬网站

jyswjjgdwtdtj

一般来说只要你不去爬什么正版小说，正版漫画网站，犯不着也用不着header
那么我就让大家在一分钟内学会如何用vbs爬取网站
1:获取网页、图片
如果你的对象是一个图片（或者是其他非文本文件），那么请把“responsetext”改成“responsebody”，再用adodb.stream写入图片文件

1. function gethtml(byval url)
   
2. with createobject("msxml2.xmlhttp")
   
3. .open "GET",url,false
   
4. .send
   
5. gethtml=.responsetext
   
6. end with
   
7. end function

复制代码

2：处理html
如果你只是想要获取某个img的url，我建议你直接操作字符串，即利用instr(startplace,string,string)
如果你想批量，或者获取某个div里的文字，而那些文字有大有小（混了一大堆标签），那么我建议你用htmlfile

1. with createobject("htmlfile")
   
2. .designmode="on" '在这里非常重要，htmlfile似乎是ie5或6的com版，所以不支持许多新的东西，而且网页上通常不会写完整的url，所以没有这一步会疯狂报错
   
3. .write gethtml("https://www.baidu.com")
   
4. set baiduid=.getelementbyid("id")
   
5. end with
   

复制代码

接着就是dom操作了
注意，htmlfile没有getelementbyclass，所以很多时候还没有字符串操作来的简单快捷！
乘着ie还在，还是多用用ie吧

hlzj88

面对好东西，可怜我一点不懂vbs，其他的也不懂。

老刘1号

我来狗尾续貂一下，
动态页面用ie对象（internetexplorer.application）
少量信息可以直接上正则（VBScript.RegExp或者直接new RegExp）处理文本
以后微软如果把ie对象删了，可以用py的selenium代替
htmlfile可以用py的beautifulsoup代替
正则和普通字符串处理自不必说

jyswjjgdwtdtj

回复 3# 老刘1号


    py是指python吗 vbs怎么调用python的库呢？
话说为什么vbs的都很反感使用第三方的com，但是bat非常乐意用奇奇怪怪的exe

老刘1号

回复 4# jyswjjgdwtdtj


    我的意思是直接换python（大雾
也不一定吧，我加的一个vbs群有人天天用dwx和大漠

jyswjjgdwtdtj

一个非常简单 易懂的爬虫实例
不要想着去爬那种正规网站 乱七八糟的加密js和ajax传来传去会把你搞崩溃的
还是这种把图片挂到图床上的好

1. Set http = CreateObject("Msxml2.XMLHTTP")
   
2. set fso=createobject("scripting.filesystemobject")
   
3. Set document = CreateObject("htmlfile")
   
4. Set ado = createobject("Adodb.Stream")
   
5. set wshell=createobject("wscript.shell")
   
6. document.designmode="on"
   
7. document.write gethtml("https://www.mhua5.com/comic-wangyouzhijinzhanfashi.html","text")
   
8. function gethtml(byval url,byval t_b)
   
9.         with http
   
10.                 .open "GET",url,false
    
11.                 .send
    
12.                 if t_b="text" then
    
13.                         gethtml=.responsetext
    
14.                 elseif t_b="binary" then
    
15.                         gethtml=.responsebody
    
16.                 end if
    
17.         end with
    
18. end function
    
19. 
    
20. sub writeb(target,htmlbody)
    
21.         ado.Type = 1
    
22.         ado.Open
    
23.         ado.Write htmlbody
    
24.         ado.SaveToFile target
    
25.         ado.Close
    
26. End Sub
    
27. 
    
28. title=replace(document.title," ","")
    
29. fso.createfolder title
    
30. set j_chapter=document.getelementsbytagname("A")
    
31. for each j in j_chapter
    
32. if j.classname="j-chapter-link" then
    
33.         nowfolder=replace(title&""&j.innertext," ","")
    
34.         fso.createfolder nowfolder
    
35.         set document1=createobject("htmlfile")
    
36.         document1.designmode="on"
    
37.         document1.write gethtml(replace(j.href,"about:","https://www.mhua5.com"),"text")
    
38.         z=0
    
39.         for each i in document1.getelementsbytagname("IMG")
    
40.                 if i.classname="lazy-read" then       
    
41.                         z=z+1
    
42.                         writeb nowfolder&""&z&".jpeg",gethtml(replace(i.getattribute("data-original"),"http://","https://"),"binary")'这里的replace是因为源代码里httphttps写错了（可能是为了坑别人？）
    
43.                 end if
    
44.         next
    
45. end if
    
46. next

复制代码

523066680

回复  jyswjjgdwtdtj


    我的意思是直接换python（大雾
也不一定吧，我加的一个vbs群有人天天用dwx ...
老刘1号 发表于 2023-2-21 22:04

    我看到你前面那段的时候就想说，干脆全套python了。拉到下面果然不用说