网页采集时如何同时保存图文内容

        文字中夹着图片，图片也需要文字说明，文字和图片相辅相成，就有了绚丽多彩的网页内容。但是图文混排的方式却给我们存储数据带来不便，实际上大多数网页是把文字和图片分别存放在不同文件中的，在html源码中只保存图片的链接地址。

 

        如上图所示，在做数据采集时，很多朋友把文字和图片分别下载保存，还要处理链接本地化转换的问题。实际上我们也可以把图片文件转码后保存在html源码文件里，这样用一个html文件就可以保存图文信息了，自动采集图文步骤如下。
        打开木头浏览器项目管理窗口，创建【打开网页】步骤，添加需要采集的页面网址，如果添加多个网址，则可以按顺序打开采集内容。

        然后添加最关键的步骤【抓取内容】，【添加】抓取内容，在弹出的【抓取元素设置】窗口，点击【自动获取】按钮，浏览器将处于元素定位模式，鼠标移到需要抓取的元素内容上方点击右键，在弹出的快捷菜单中选择【获取元素并返回】，成功获取可唯一标识该元素的方法，如下图所示，此以页面使用元素的ID属性定位等抓取的元素区域，设置获取元素的【TagTextToHtml】扩展属性，意思是把元素内容转化为Html代码。如有必要，可以使用同样的方法继续添加抓取页面文章标题，此处不在累述。

        抓取元素转换成html后，就是保存数据了，创建【保存数据】步骤，勾选【保存变量文件】，选择Htm文件格式，设置文件保存路径。

        最后，点击【开始测试】按钮运行项目，当项目执行完毕后，打开设定的保存文件目录，就可以看到自动保存和htm文件，且只有这个文件，双击自动调用浏览器打开，完整呈现图文内容。图片已经转成了Base64编码，嵌入保存在htm文件中。