变形金刚列表

你在这里: 亚搏在线工作流 > HTMLExtractor

HTMLExtractor

从网页中提取结构化数据或格式化以人为可读性（屏幕擦伤）的其他HTML源，使用CSS选择器将HTML内容的部分提取到特征属性中。

跳转到配置

典型的用途

  • 从网页中提取内容

它是如何工作的？

HTMLExtractor允许您定义针对传入HTML内容运行的多个查询，这些内容可以作为属性或文件提供。查询由输出属性名、CSS Selector(它定义要提取的标记类型)和提取整个标记、值或HTML属性的选择组成。

您可以只提取第一个匹配标记，也可以将多个结果保存为列表属性．

与XML转换器或正则表达式搜索相比，htmllextractor更适合于HTML内容，因为它具有更宽松的解析和过滤器，可以承受对页面内容的微小更改。

关闭例子：从网页中提取链接

在工作空间的这一部分，网页上的所有链接都将被提取并作为列表属性输出。

一个httpcaller.使用GET方法检索网页的内容。页面的内容以HTML形式存储在_Response_Body.属性。

在HTMLExtractor中，将相同的属性设置为HTML源，并构造一个查询来查找所有链接(CSS Selector =a [href]），提取唯一的链接本身（标记部分/ html属性=HREF.），并将其存储在一个名为的新属性中链接．

返回格式设置为列表属性，因此将包含所有匹配项。

输出看起来与此类似：

链接{0}= ' https://www.example.com/page1.html '

链接{1}= ' https://www.example.com/page2.html '

链接{2}= ' https://www.example.com/page3.html '

关闭例子：提取给定的“div”的文本内容

在工作区的这一部分中，一个httpcaller.使用GET方法检索网页的内容并将其存储在属性中_Response_Body.．

在HtmlexTractor中，构建查询以查找使用ID“文章”的DIV标记（CSS选择器=div#文章）。将提取该标签的内容（标记部分/ html属性=价值)，并输出到新属性articlext.．

使用返回格式设置为第一次匹配，遇到的第一个匹配div标记的内容将作为普通（非列表）属性输出。

使用说明

  • 标准的CSS选择器用于创建查询。可以在这里找到他们的名单:CSS选择器参考

配置

输入端口

关闭输入

此变形器接受任何功能。

输出端口

关闭输出

具有包含提取查询结果的属性的功能。

关闭<被拒绝>

如果发生错误，则将通过<拒绝>端口输出该功能，其中包含有关FME_Reempte_code和FME_Reempe_Message属性中包含的错误的信息。

拒绝功能处理：可以设置为终止翻译或在遇到被拒绝的功能时继续运行。此设置可用作默认设置FME选项和A.工作区参数．

参数

关闭HTML源码
HTML输入

源的类型。选择包括：

  • 文件
  • 内容
HTML内容 如果HTML输入设置为内容，则可以将HTML内容直接指定在HTML Content字段中，或者设置为属性的值。
HTML文件 如果HTML输入设置为文件，则可以指定输入HTML文件的路径。
关闭提取查询
目标属性 将保存查询结果的属性的名称。
CSS选择器

CSS选择器，其指定HTML文档或内容中的标签或一组标签。

选择器的列表可在以下网页找到:

CSS选择器参考
标记部分/ html属性

可设置为

  • 价值：将提取HTML标记内的值
  • 所有的:整个标记将被提取

或者，可以输入HTML属性名称（例如“HREF”或“ALT”）。这将导致从标签中提取的属性。
关闭输出

返回格式

如果这设置为第一场比赛，目标属性将仅包含找到匹配查询的第一个元素。

如果设置为属性列表，目标属性将是列表，并将包含与查询匹配的所有结果。

对话框选项

关闭额外的工具

行重新排序

在提取查询中单击一行后启用。选择包括：

  • 添加一行
  • 删除行（操作设置为删除）
  • 将当前行向上移动1
  • 将当前行移动一个
  • 将当前行移到顶部
  • 将当前行移至底部

编辑变压器参数

使用一组菜单选项，可以通过引用工作区中的其他元素来分配变压器参数。一些变压器也可提供更高级的功能，例如高级编辑器和算术编辑器。要访问这些选项的菜单，请单击除适用的参数旁边。有关更多信息，请参阅变压器参数菜单选项．

定义值

有几种方法可以定义在Transformer中使用的值。最简单的方法是输入一个值或字符串，它可以包含各种类型的函数，如属性引用、数学和字符串函数，以及工作空间参数。有许多工具和快捷方式可以帮助构造值，这些工具和快捷方式通常可以从值字段旁边的下拉上下文菜单中获得。

关闭如何设置参数值

使用文本编辑器

文本编辑器提供了一种方便的方法来构建来自各种数据源的文本字符串（包括正则表达式），例如属性，参数和常量，其中结果直接在参数内使用。

文本编辑器

使用算术编辑器

算术编辑器提供了一种方便的方法来构建来自各种数据源的数学表达式，例如属性，参数和特征函数，其中结果直接在参数内使用。

数学编辑器

条件值

根据通过或失败的一个或多个测试条件设置值。

参数条件定义对话框

内容

表达式和字符串可以包括许多函数，字符，参数等 - 是否直接在参数中输入或使用其中一个编辑器构造。

关闭内容类型

字符串函数

 这些函数对字符串进行操作和格式化。

特殊字符

 文本编辑器中提供了一组控制字符。

数学函数

 两个编辑器中都有数学函数。

数学运营商

 这些运算符可在算术编辑器中使用。

FME功能功能

 这些主要是特定于特征的值。

FME参数

 可以使用FME和工作区特定的参数。
使用用户参数 创建自己的可编辑参数。

参考

关闭相关变压器

httpcaller.

处理行为

基于特征

功能持有

不
依赖性 没有任何
FME授权级别 FME专业版及以上
别名
历史 发布:FME 2017.0
类别

一体化

弦

网页

亚搏在线工作流

FME知识中心

FME知识中心是演示，How-TOS，文章，常见问题和更多的地方。获取您的问题的答案，从其他用户学习，并建议，投票和评论新功能。

搜索关于Htmlextractor的所有结果在FME知识中心。