Tips - WebParser Primer

joky

【版权声明】
   本文档翻译者：雨滴社区-相望无言
   本文档仅用于雨滴社区站内交流，禁止转载，由此引发的一切责任及版权纠纷由转载、传播本文档者负责。

WebParser Primer

这个小教程为了抛砖引玉，在rainmeter中使用webparser.dll，得到网站的信息。我们很多人使用webparser获得RSS feeds或者其他数据，但是经常使用/调整其他人的代码，不用彻底了解代码是如何工作的，或者怎么创建那些从网页中得到提取信息核心的“RegExp=”声明。

这即不是详细的，也不是去得到XML文件格式，或者他们怎么使用RSS 摘要。一旦你知道如何解析一个网站。寻找XML/RSS 标签会更加容易。

准备工作

首先下载我们这个教程中需要的zip文件，ini文件，还有其他text文件。还有一些你想要的图片。解压到你的皮肤文件夹。它会创建一个叫做“skins\iplookup”文件夹，你需要的东西都在里面。

如果你要加载这个皮肤和下面这些步骤，务必刷新rainmeter

 Download HERE

你也要点这里Manual - WebParser，这里是完整的 webparser教程 也是我们下面这些的依据。

RegExp（正则表达式）

现在让我占用几分钟来讲一下代码的关键部分，这个“RegExp=”声明，webParser使用“Regular Expression”搜索你想要的信息，并且返回这个信息用2个立体“阵列”。第一维是“Index”数字，（阵列里面的数字，从1开始，到你要搜索的位置），第二个在RegExp基础上检索到的实际结果。

那么，我们怎么在rainmeter中建立一个神奇的“RegExp=”声明？让我们使用一个简单的格式模版：

RegExp="(?siU)Search1(.*)Search2.*"

在引号的封闭内，你有：

·          (?siU) – 这个是RegExp里面的“设置”命令，告诉它你想要它得到什么

·         Search1 – 这个是得到你想要的数据的一些文字。

·         (.*) – 你想要在阵列中得到的返回值，括号告诉它捕获在search1和search2中所有的东西.*

·         Search2 –使用这个告诉RegExp它什么时候停止搜索信息（Return1）

·         .* -这个包含在search/return声明 和下一个 之间的网站的数据 。如果你没有用括号关闭 .* ,它不会返回结果，也不会有StringIndex数量.

?siU 是什么

这个？S 告诉RegExp 在搜索的时候忽略换行符，这样的方法可以让你在搜索“Every good boy deserves favor”，即使它被分成2行也可以匹配。

这个 i  告诉搜索不区分大小写，无论大写和小写字母都会被匹配

这个 U 告诉RegExp 非贪婪匹配，意味着它只会返回第一个匹配的字符串

我不知道什么事“stuff to return”,我该怎么放在那里。

你有2个设置，你可以在正则表达式中假如更多的代码，只是抓住你想要排除的东西。或者你使用（.*）,在Search2结束,

告诉RegExp得到里面所有的东西。这个.*意味着“所有东西”，字面上意思是“任何字符-任何年代，零次或者多次-星号，重要的”(.*)”按照 STRINGINDEX”返回”数据，按照”.*””跳过”你不需要返回的数据。

一个例子:

你想要得到一个网页的“title”标签。这个 RegExp 你可能会需要：

RegExp="(?siU)<TITLE>(.*)</TITLE>"

 

这样我们告诉 RegExp 从＂<TITLE>” 搜索，直到看到“</TITLE>”返回 “stringindex1”数据组。

这个指南是简单和围绕”WebParser”重点的。不是"Regular Expressions"的完整指南。我会鼓励你不论现在还是稍后在浏览器新标签打开这个窗口：Perl Regular Expressions ，全方位的了解正则表达式。这是非常有用的工具。

我们的示例

今天要做的是解析一个网站 http://www.geobytes.com/IpLocator.htm?GetLocation ，在皮肤中得到我们的IP和本地信息，

在新标签中打开这个链接：

高亮部分是我们要提取的信息

我们要创建的完整皮肤：（这个皮肤为了更简单的学习 WebParser ，不是一般的皮肤）

Let's Build It

首先我们要进入这个网页，右键，选择“查看网页源代码”，复制所有的东西，黏贴到一个text文本编辑器中，保存这个网页的源为text文件。（保存为txt，不是html，这样你可以轻松地使用文本编辑器编辑它）我把它保存为“WEBPAGE.TXT”

这个文件就在webparser_tutorial.zip文件中。

让我们看看要检索的第一个信息。

从得到ip开始，在这个页面中，这个在所有信息的顶部，并且有“IP Address to locate:”标签

打开webpage.txt（那个从站点输出的文件），搜索这个标签。你会看到下列选项：

<td>

<div align="left">

<form method="POST" action="IpLocator.htm?GetLocation">

 <input type="hidden" name="cid" value="0">

 <input type="hidden" name="c" value="0">

 <input type="hidden" name="Template" value="iplocator.htm">

 <h2>IP Address to locate:<input type="text" name="ipaddress" size="15"

     value="72.205.26.142"> <input type="submit" value="Submit">

 </h2>

我想我不用说这个实际的IP地址与你的IP是不同的，如果你对于这个很惊讶。请关闭浏览器，并且卸载rainmeter，然后重启浏览器，点击这个：LOLCATS

 

现在开始建立“MEASURE”和一个简单的“METER”输出

[MeasureIPAddress]

Measure=Plugin

Plugin=Plugins\WebParser.dll

UpdateRate=1800

Url="http://www.geobytes.com/IpLocator.htm?GetLocation"

RegExp="(?siU)<h2>IP Address to locate:<input type="text" name="ipaddress" size="15" value="(.*)">.*"

StringIndex=1

 

 

 

 

我们告诉 WebParser 了什么:

UpdateRate=1800 – 我们想每隔 在“RAINMETER”选项中“UPDATE=”声明的值 的1800倍的时间 检查这个网站。Update默认是1000，就是1秒，我会将每隔30分钟运行一次webparser。，这是十分频繁的，如果你的IP信息不是经常更换，你可以每隔一小时或者更长，如果你经常访问这个网站，你会发现，被这个网站禁止了访问，自讨苦吃。

Url="http://www.geobytes.com/IpLocator.htm?GetLocation" –这个可以在“VARIABLES”选项设置一个变量，下次如果你想要更改它，就会很简单容易的找到它。

RegExp="(?siU)<h2>IP Address to locate:<input type="text" name="ipaddress" size="15" value="(.*)">" 

通过这句话你告诉 RegExp:

使用（？siU）命令声明，（前面描述过了）搜索IP Address to locate:<input type="text" name="ipaddress" size="15" value="

当他看到  ">  时停止搜索，并且返回得到的所有值。

如果我们再看一遍我们输出的 webpage.txt 文件

<td>

<div align="left">

<form method="POST" action="IpLocator.htm?GetLocation">

 <input type="hidden" name="cid" value="0">

 <input type="hidden" name="c" value="0">

 <input type="hidden" name="Template" value="iplocator.htm">

 <h2>IP Address to locate:<input type="text" name="ipaddress" size="15"

     value="72.205.26.142"> <input type="submit" value="Submit">

 </h2>

你会发现我们得到了72.205.26.142 在序列1的位置。

现在，让我们通过“METER”显示这个结果

[MeterIPAddress]

MeasureName=MeasureIPAddress

Meter=STRING

X=2

Y=2

FontColor=0,0,0,255

FontSize=12

StringAlign=LEFT

FontFace=Tahoma

Antialias=1

Prefix="IP Address: "

这样就会在你的皮肤中像下面一样显示”IP Address: 72.205.26.142” :

现在让我们得到下一个信息，（牢记，RegExp度这个站点是从上到下的。所以，你需要使用正确的"RegExp="声明，你可以在皮肤中显示任何你用命令得到的信息）

下一个信息是“COUNTRY CODE”

<tr>

<td align="right">Country Code</td>

<td align="right"><input name="ro-no_bots_pls12" value="US" size="20" readonly></td>

所以我们要增加“REGEXP=”声明，搜索 country code 然后在阵列中返回下一个序列的值。

RegExp="(?siU)<h2>IP Address to locate:<input type="text" name="ipaddress" size="15" value="(.*)">.*ro-no_bots_pls12" value="(.*)" size="20".*

 

所以第一对开始/停止搜索之后我们增加：

.*ro-no_bots_pls12" value="(.*)" size="20".*

这告诉 REGEXP 跳过任何结果知道碰到ro-no_bots_pls12" value="，然后返回任何结果知道看到size="20"，然后写入 STRINGINDEX2，这个结果就是例子中的“US

我们需要另一个“MEASURE”来取回这个结果。并在另一个“METER”中显示结果。

[MeasureCountryCode]

Measure=Plugin

Plugin=Plugins\WebParser.dll

Url=[MeasureIPAddress]

StringIndex=2

注意：这个“URL”声明引用原"MeasureIPAddress" measure，拥有"RegExp="声明，代替这个网站的URL。这样你就不用每一次想要得到信息就用REGEXP声明连接一次网站。你把第一个measure用"RegExp="声明得到的所有信息都引用到第二个measure中。所有的结果都是被第一个measure索引。你可以在后面的MEASURE/METER中用这个索引号码得到数据结合起来，不用再次访问网站。不仅快速的而且也也不会被网站封IP。频繁的访问网站会被认为是攻击 =。=

增加另一个“METER”显示这个信息：

 [MeterCountryCode]

MeasureName=MeasureCountryCode

Meter=STRING

X=2

Y=17r

FontColor=0,0,0,255

FontSize=12

StringAlign=LEFT

FontFace=Tahoma

Antialias=1

Prefix="Country Code: "

好了，现在你只需要继续直到你从网站得到了你想要的数据，我不用把它放出来。但是你可以去看zip文件中的IPLOOKUP.INI

使用 "DEBUG" 使事情变得更简单

在 WEBPARSER 中使用“DEBUG=1”声明，可以输出序列号，并且关联信息到"Rainmeter.log" I,在你的rainmeter 文件夹中，在measure 中使用debug=1 开启这个功能：

[MeasureWebsite]

Measure=Plugin

Plugin=Plugins\WebParser.dll

UpdateRate=1800

Url=#URL#

RegExp="(?siU)Search1(Return1)Search2(Return2)"

Debug=1

重启rainmeter，右键点击皮肤，选择“显示日志文件”它会输出像：

DEBUG: (00:53:29.391) Refreshing (Name: "IPLookup" Ini: "IP.ini")

DEBUG: (00:53:29.469) WebParser: Fetching URL: http://www.geobytes.com/IpLocator.htm?GetLocation

DEBUG: (00:53:29.859) WebParser: Finished URL: http://www.geobytes.com/IpLocator.htm?GetLocation

DEBUG: (00:53:29.859) WebParser: (Index  1) 72.205.26.142

这是告诉你 数据"72.205.26.142" 序列为1，还会继续显示 REGEXP声明关联的所有index/data组合，对于指出为什么你的"RegExp="声明不起作用是非常有效地。

关闭 DEBUG，可从MEASURE中移除"Debug=1"声明，退出rainmeter，删除"Rainmeter.log"文件，重启rainmeter

我希望这个指南可以帮助你开始webparser，这是rainmeter中一个非常有用的功能.

我建议你:

·         读rainmeter手册关于webparser的部分：HERE，或者中文连接

·         还有这个alex2539写的非常好的关于RSS READER 的皮肤HERE

·         点击这里学习更多关于正则表达式的内容HERE