简单解析XML和HTML
不是说网页就是有固定格式的XML嘛，那这样可以用XML的语法来解析嘛，不一定要用正则表达式的，太不好记，而且始终感觉正则是在处理文本的。我们可以把录制的控件当成一小块XML来处理的，一般也就是取一下TEXT或是其属性嘛，下面是简版的解析XML或是说HTML的方法。
先来看下是怎么用的
Func main()
$html = "<html><head><meta charset='utf-8' class='hello world'/><title id='133' class=1><title class=1 />hello<title class='ha'>world</title></title><title class='ha'>This is the second title</title></head></html>"
;获得所包含的标签的html代码，如果有多个同样的标签，则只取第一个
$titleHtml = eGetHtmlByTag($html, "title")
J_MsgBox("首个title标签的html代码为:" & $titleHtml)
;获取标签的属性值
$titleAttr = eGetAttr($titleHtml, "id")
J_MsgBox("首个title标签的id属性值为:" & $titleAttr)
;获取标签在网页上显示出来的内容部分
$headText = eGetTextByTag($html, "head")
J_MsgBox("首个head标签的文本内容为:" & $headText)
;获得所有所包含的标签的html代码
$titleHtmls = esGetHtmlByTag($html, "title")
;J_MsgBox(UBound($titleHtml))
J_MsgBox("当前层的title标签共有:" & UBound($titleHtmls))
for $i = 1 to UBound($titleHtmls) - 1
J_MsgBox("第" & $i & "个title标签为:" & $titleHtmls[$i])
$subTitleHtmls = esGetHtmlByTag(eGetInnerHtml($titleHtmls[$i]), "title")
for $j = 1 to UBound($subTitleHtmls) - 1
J_MsgBox("内层第" & $j & "个标签:" & $subTitleHtmls[$j])
Next
Next
;获取所有class为demo的title标签
$titleHtmlDemos = esGetHtmlByTagAndAttr($html, "title", "class", "ha")
for $i = 1 to UBound($titleHtmlDemos) - 1
J_MsgBox("class为ha的第" & $i & "个title标签为:" & $titleHtmlDemos[$i])
Next
EndFunc ;==>main
下面是对应的函数，效率可能不怎么高，大家也可以帮忙优化的
;用于获取指定标记的、指定的$attrName属性等于$attrValue的元素数组，下标从1到ubound-1
Func esGetHtmlByTagAndAttr($html, $tag, $attrName, $attrValue)
;用于保存结果
dim $result
;第一次获取当前element
$curElement = eGetHtmlByTag($html, $tag)
;循环获取后面的element
while lengthString($curElement) > 3
;从源码中删掉当前的element
$html = J_StringReplace($html, $curElement, "")
;去除可能会影响结果的分隔符
$curElement = J_StringReplace($curElement, chr(10), "")
$curElement = J_StringReplace($curElement, chr(13), "")
;获取当前得到的标签内部的字符串
$innerString = subString($curElement, lengthString($tag) + 1, lengthString($curElement) - StringLen($tag) - 2)
;获取当前标签内部的标签
$subElement = esGetHtmlByTagAndAttr($innerString, $tag, $attrName, $attrValue)
;如果里面有符合的标签会返回一个数组，
for $i = 1 to UBound($subElement) - 1
;遍历数组，将所有的元素拼接到当前过程的结果字符串，最后再拆分成数组
$result &= $subElement[$i] & chr(10)
Next
;如果当前标签的指定的属性值就是我们需要的那个值
If eGetAttr($curElement, $attrName) == $attrValue Then
;将当前标签加到当前过程的结果字符串中
$result &= $curElement & chr(10)
EndIf
;获取下一个element
$curElement = eGetHtmlByTag($html, $tag)
WEnd
;去掉最后一个分隔符
$result = subString($result, 1, lengthString($result) - 1)
;返回结果
return J_String($result, "拆分", chr(10))
EndFunc ;==>esGetHtmlByTagAndAttr
;用于获取指定标记的元素数组，下标从1到ubound-1
Func esGetHtmlByTag($html, $tag)
;用于保存结果
dim $result
;第一次获取当前element
$curElement = eGetHtmlByTag($html, $tag)
;循环获取后面的element
while Stringlen($curElement) > 2
;从源码中删掉当前的element
$html = J_StringReplace($html, $curElement, "")
;去除可能会影响结果的分隔符
$curElement = J_StringReplace($curElement, chr(10), "")
$curElement = J_StringReplace($curElement, chr(13), "")
;加分隔符
$result &= $curElement & chr(10)
;获取下一个element
$curElement = eGetHtmlByTag($html, $tag)
WEnd
;去掉最后一个分隔符
$result = subString($result, 1, lengthString($result) - 1)
;返回结果
return J_String($result, "拆分", chr(10))
EndFunc ;==>esGetHtmlByTag
;获取当前标签的指定的属性值
Func eGetAttr($html, $attr)
;看下有没有空格，有空格的第一个空格前面的就是标签名
$lStart = indexOf($html, " ")
;取出标签名
$tag = subString($html, 2, $lStart - 1)
;如果没有空格就直接返回就可以了
if not($lStart > 0) Then
return ""
EndIf
Dim $result
;如果是双标签的
if indexOf($html, "</" & $tag & ">") > 0 then
;得到开始标签的结束位置
$lEnd = indexOf($html, ">")
;如果结束位置大于空格的位置则说明有属性
if $lEnd > ($lStart + 2) then
;取出属性部分
$result = subString($html, $lStart + 1, $lEnd - 1)
EndIf
Else
;如果是单标签的,就获得结束标记的位置
$lEnd = indexOf($html, ">")
;如果结束位置大于空格的位置则说明有属性
if $lEnd > ($lStart + 2) then
;取出属性部分
$result = subString($html, $lStart + 1, $lEnd - 1)
$result = leftString($result, lastIndexOf($result, "/") - 1)
EndIf
EndIf
;使用属性值赋值的符号拆分成数组
$attrs = J_String($result, "拆分", "=")
;遍历数组，拼接出所有的属性值对
for $i = 1 to UBound($attrs) - 2
;得到包含属性名的字符串
$attrName = $attrs[$i]
;由于数组里面除了第一个以外，都是“上一个属性值 下一个属性名”这样存在的
;所以要取一下空格的位置
$attrNameStart = lastIndexOf($attrName, " ")
;如果是第一个元素位置为0，加1即可；如果不是第一个，则拿到正确的位置，加1即可
$attrName = subString($attrName, $attrNameStart + 1, lengthString($attrName))
;当前属性名的值在下一个数组里面
$attrValue = $attrs[$i + 1]
;如果不是最后一个元素的属性值，则直接取从头到空格之间的数据就可以了
$attrValueEnd = lastIndexOf($attrValue, " ")
;由于最后一个元素是最后一个属性的值，所以不用再截取
if $i <> UBound($attrs) - 2 then
$attrValue = subString($attrValue, 1, $attrValueEnd - 1)
endif
;如果当前属性就是需要的属性，就返回值
if not(trimString($attrName) <> $attr) then
$result = $attrValue
;如果结果的两头有引号，就去掉
if leftString($result, 1) == "'" or leftString($result, 1) == '"' Then
$result = subString($result, 2, lengthString($result))
EndIf
if rightString($result, 1) == "'" or rightString($result, 1) == '"' Then
$result = subString($result, 1, lengthString($result) - 1)
EndIf
return $result
EndIf
Next
return ""
EndFunc ;==>eGetAttr
;获取第一个指定标签的内容部分
Func eGetTextByTag($html, $tag)
$result = eGetHtmlByTag($html, $tag)
$lStart = indexOf($result, ">")
$lEnd = lastIndexOf($result, "<")
if $lEnd > $lStart Then
$result = subString($result, $lStart + 1, $lEnd - 1)
$result = J_EXP_Replace($result, "<[^<]*>", "")
return $result
Else
Return ""
EndIf
EndFunc ;==>eGetTextByTag
Func eGetInnerHtml($html)
$lStart = indexOf($html, ">")
$spaceStart = indexOf($html, " ")
Dim $tag = ""
if $lStart > $spaceStart then
$tag = subString($html, 2, $spaceStart - 1)
else
$overLoc = lastIndexOf($html, "<")
if $overLoc > $lStart Then
return subString($html, indexOf($html, ">") + 1, lastIndexOf($html, "<") - 1)
Else
Return ""
EndIf
EndIf
$tempString = eGetHtmlByTag($html, $tag)
$endLabel = rightString($html, Stringlen($tag) + 3)
j_log("endLabel:" & $endLabel)
if $endLabel == "</" & $tag & ">" then
return subString($html, indexOf($html, ">") + 1, lastIndexOf($html, "<") - 1)
Else
return ""
EndIf
EndFunc ;==>eGetInnerHtml
;获取指定标签的html代码
Func eGetHtmlByTag($html, $tag)
#cs
1.先看否是单标签，如果是单标签就直接返回单标签的内容
2.看下有多少个开始标签
3.如果有多个开始标签，则跳过第一个开始标签后，去获取内圈的标签的内容
4.跳过内圈的长度去找结束标签
5.如果没有内圈就直接按现有的方法返回数据
#ce
$skip = 1
;查找第一个开始标签的位置
$lStart = indexOf($html, '<' & $tag)
;如果能找到开始标签
if $lStart > 0 Then
;从开始标签开始取到最后的字符串
$result = subString($html, $lStart, StringLen($html))
;获取第一个结束标签的位置
$lEnd = inString($result, "</" & $tag & ">", $skip)
$single = J_EXP_Replace($result, "/\s+>", "/>")
$singleOverLoc = indexOf($single, ">")
$singleFullOverLoc = indexOf($single, "/>")
J_LOG(">:" & $singleOverLoc & ",/>:" & $singleFullOverLoc & "," & $single)
if Not($singleFullOverLoc + 1 == $singleOverLoc) Then
J_LOG("no single")
;获取第一个开始标签到第一个结束标签之间的字符串
$tempString = leftString($result, $lEnd + 2 + lengthString($tag))
J_LOG("tempString:" & $tempString)
if(StringLen($tempString) - StringLen(J_StringReplace($tempString, "<" & $tag, ""))) / (StringLen($tag) + 1) > 1 Then
;获取第二个开始标签的位置
$skip = inString($tempString, "<" & $tag, StringLen($tag) + 1)
;获取第二个开始标签后的内容
$subStringTemp = subString($result, $skip, StringLen($result))
;获取内层的标签
$tempString = eGetHtmlByTag($subStringTemp, $tag)
;计算要包裹住内层标签所需要跳过的位置
$skip = StringLen($tempString) + $skip
;计算当前层的标签的结束标签的位置
$lEnd = inString($result, "</" & $tag & ">", $skip)
EndIf
;截取当前层的标签的内容
$result = leftString($result, $lEnd + 2 + StringLen($tag))
Else
J_LOG("single")
;如果是单标签，就直接取了
$result = leftString($result, indexOf($result, "/>"))
#cs
$single = J_EXP_Replace($html, "/\s+>", "/>")
$singleOverLoc = indexOf($single, ">")
$singleFullOverLoc = indexOf($single, "/>")
if $singleFullOverLoc + 2 > $singleOverLoc Then
return subString($html, 1, $singleOverLoc + 1)
EndIf
#ce
EndIf
return $result
Else
return 0
EndIf
EndFunc ;==>eGetHtmlByTag
;取子串,$start开始位置 $end结束位置
func subString($str, $start, $end)
return J_String($str, "取子串", $start & "," & ($end - $start + 1))
EndFunc ;==>subString
;取左子串
func leftString($str, $count)
return J_String($str, "取左子串", $count)
EndFunc ;==>leftString
;取右子串
func rightString($str, $count)
return J_String($str, "取右子串", $count)
EndFunc ;==>rightString
;字符长度
Func lengthString($str)
return StringLen($str)
EndFunc ;==>lengthString
;查找指定字符所在位置
Func indexOf($str, $findStr)
return J_String($str, "是否包含", $findStr)
EndFunc ;==>indexOf
;查找指定字符所在位置
Func inString($str, $findStr, $start)
return stringinstr($str, $findStr, 0, 1, $start)
EndFunc ;==>inString
;删除头尾部的空格
Func trimString($str)
$length = lengthString($str)
;删除尾部的空白
for $i = $length to 1 step -1
$curString = subString($str, $i, $i)
;J_LOG($curString & "," & J_EXP($curString, "\s"))
if lengthString(J_EXP($curString, "\s")) > 0 Then
$str = subString($str, 1, $i - 1)
Else
ExitLoop
EndIf
Next
;删除头部的空白
while True
$length = lengthString($str)
$curString = subString($str, 1, 1)
if lengthString(J_EXP($curString, "\s")) > 0 Then
$str = subString($str, 2, $length)
Else
ExitLoop
EndIf
WEnd
Return $str
EndFunc ;==>trimString
Func Mbox($msg)
J_MsgBox($msg)
EndFunc ;==>Mbox
;反转给定的字符串
Func StrReverse($str)
;获取字符串长度
$length = J_String($str, "长度", "")
;定义用来盛放新字符串的变量
$nstr = ""
;反转字符串
for $i = $length to 1 step -1
$nstr = $nstr & J_String($str, "取子串", $i & "," & 1)
next
;返回结果
return $nstr
EndFunc ;==>StrReverse
Func lastIndexOf($str, $findStr)
;反转字符串
$nstr = StrReverse($str)
;获取字符串总长度
$length = J_String($str, "长度", "")
;获取指定字符串在反转后的字符串中的位置
$loc = J_String($nstr, "是否包含", $findStr)
;根据情况处理返回值
if $loc = 0 Then
Return 0
Else
return $length - $loc + 1
EndIf
EndFunc ;==>lastIndexOf
Func lengthStringd($str)
return StringLen($str)
EndFunc ;==>lengthStringd
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
