网页元素特征字符串

网页元素特征字符串

1.什么是网页元素特征字符串

要了解什么是网页元素特征字符串（以下简称特征串）首先得了解什么是网页，什么是HTML。
从维基百科上可查询到网页定义如下：

网页是一个文件，他存放在世界某个角落的的某一台计算机中，而这台计算机必须是与互联网相连的。网页经由网址（ URL ）来识别与存取，当我们在浏览器输入网址后，经过一段复杂而又快速的程序，网页文件会被传送到你的计算机，然后再通过浏览器解释网页的内容，再展示到你的眼前。是万维网中的一“页”，通常是HTML格式（文件扩展名为.html或.htm）。网页通常用图像档来提供图画。网页要透过网页浏览器来阅读。
网页通常有以下元素：文字资料，图像档案，Applet（在页面内执行的副程式）超链结等。

网页通常都是HTML格式的文件，经浏览器解释之后生成的页面，我们要分析网页，首先得了解HTML语言。再查维基百科，HTML定义如下：

超文本置标语言（英文：HyperText Markup Language，简称为HTML）是为「网页创建和其它可在网页浏览器中看到的信息」设计的一种置标语言。HTML被用来结构化信息——例如标题、段落和列表等等，也可用来在一定程度上描述文档的外观和语义。由蒂姆·伯纳斯-李给出原始定义，由IETF用简化的SGML（标准通用置标语言）语法进行进一步发展的HTML，后来成为国际标准，由万维网联盟（W3C）维护。

HTML语言是一种标记语言，由成对的< > … </ > 包含起来的元素组成，各种不同的元素具备不同的标记名称，有不同的属性。例如说一个链接的HTML代码如下：
<a href=http://www.xn518.net>虚拟518论坛</a>
它的标签名称为是A，具备属性 href，该属性值为 http://www.xn518.net。
不同的网页元素具备不同的标签名称，同时也具备不同的属性名称与值。HTML语言的所有标记请参考相关教程。我们需要面对的主要是表单。
在讲解特征串之前，先简介一下表单，在网页中有一种表单标记<form></form>，在这些标记之间可以添加<input> <select> <textarea>等表单元素，这些元素可以为用户提供输入、选择等功能，而表单中的内容也可以被提交到服务器完成交互。<input> 元素类型比较丰富，根据其type不同，具备的功能也不同，type=”text”为单行的文本输入框，type=“password”为密码输入框，type=“radio”为单选框，type=“checkbox”为复选框，type=“button”为普通的按钮，type=“reset”为表单复位按钮，type=“submit”为提交表单按钮；<select>标记为用户提供下拉选择框，<textarea>标记为用户提供多行文本输入。

网页元素特征字符串是一个用来描述网页元素标签特征的字符串，用于定位指定元素。

2.网页元素特征字符串格式

特征串格式如下：

属性1:值1&属性2:值2&属性3:值3&属性4:值4
特征串由“&”链接，使用“:”分隔属性名称与属性值；连接成一个完成的特征字符串；
特称串目前支持的属性有：

序号	属性名称	适用元素及简要说明
1	id	所有元素
2	index	所有元素，此index为具备除开index特征之外，其他相同特侦的元素集合中的index，一般在指定特征时无法唯一定位元素时使用，从0开始计算
3	name	具备name属性的表单元素
4	type	具备type属性的表单元素
5	value	具备value属性的表单元素，一般用来匹配提交按钮
	value* value^ value$	支持使用通配符查询value属性： value* 表示为包含，例：value*:手气不错 [google首页] value^ 表示为以某字符开始，例：value^:百度，匹配所有以“百度”文字开始的元素 value$ 表示以某字符结尾，例：value$:测试，匹配所有以“测试”结尾的元素
6	txt	匹配元素的innerText，一般用来操作链接；
	txt* txt^ txt$	同value系列操作，支持通配符 value* 表示包含特定字符串 value^ 表示以特定字符串开始 value特定字符串结尾
7	src	用于图片元素的匹配，匹配img 标签的src属性
	src* src^ src$	同样支持三种通配符； src* 表示包含特定字符串 src^ 表示以特定字符串开始 src$ 表示以特定字符串结尾
8	href	用于匹配链接的href属性
	href* href^ href$	同样支持三种通配符 href* 表示包含特定字符串 href^ 表示以特定字符串开始 href$ 表示以特定字符串结尾
9	frame	如果页面中包含frame，或者是iframe，都可以通过frame属性来定位frame页面中的元素。 frame编号从0开始

3.如何组合网页元素特征字符串？

网页上的元素作为整个网页的组成部分之一，大部分都具备自己独一无二的特征，只要用特征串描述出该特称，就可以定位到该元素。
在通常情况下，网页分析器能够自动给出网页元素特征串，但有很多特殊情况下，给出的特征串不能正确定位元素，此时就需要用户自行组合特征串，可以使用网页分析来测试。下面给出一些常用的组合方法以供参考：
1）在最新的XHTML规范中，每一个网页元素都可以有一个id，这个id在整个网页中都是唯一的，在很多网页的表单中，表单元素都有ID。如果对应的元素有id，那么这个特征串最为简单，直接使用id:theID即可唯一定位到该元素。
2）早期的网页中，表单元素没有使用id，而是使用了name属性，这个name一般来说也是唯一的，此时可以使用 tag:INPUT&name:theName 来定位元素；
3）有一些比较BT的网页表单既不用id，也不用name的，就只能依靠type与index来定位，例如定位表单中的第二个单行文本框：tag:input&type:text&index:1；定位第三个下拉框：tag:select&index:2;
4）点击按钮时，有ID直接使用ID匹配，如果没有ID，也可以通过文字匹配，例如点击百度搜索按钮：tag:input&value:百度一下；
如果按钮的文字的带有空格，而且空格在两端时，匹配经常失效，此时可以用通配符来匹配：例如google首页上的“手气不错”按钮，它的两端都有一个空格，而且使用的编码的HTML符号 来表示的，直接使用value无法获得准确的匹配，此时就需要使用通配符：tag:input&value*:手气不错
5）点击链接时，大部分情况下都需要使用txt属性，因为链接没有其他属性可以用来匹配，例如点击网页上的“下一页”链接
，tag:a&txt:下一页，有的网页上会用下面的格式：“[下一页]”，此时可以使用通配符：tag:a&txt*:下一页。
6）Frame页面元素，有些网页中会采用Frame或者Iframe，在这些Frame子页面中，不能直接控制，需要指定frame才能进行控制，这里采用frame的索引来进行定位。可以使用网页分析器来查看具体的frame页面的index。然后再在特征字符串上加上frame，例如点击按键精灵首页上的知识库链接，就需要采用以下格式：frame:0&tag:a&txt:知识库。

4.特殊情况处理

在某些网页中，可能会使用一些特殊的标记，
例如
<input type=”image” …. >
这个类型的input，只能使用index来定位，
例如
tag:input&type:image&index:0

有的表单中使用了<Button 。。。。>提交</Button>
这样的按钮来提交表单，可以使用
tag:Button&txt:提交