如何通过PowerShell Invoke-WebRequest深度解析HTML并提取表格数据

阿华AIGC实验室

2026-5-25

刚好我之前处理过类似的无Feed网站内容提取需求，用PowerShell的Invoke-WebRequest完全能搞定！下面给你一步步拆解方案：

用PowerShell解析指定HTML表格生成替代Feed

核心思路是：先抓取网页内容并解析为DOM对象，精准定位目标表格，提取关键数据后转换成你需要的格式（比如RSS、CSV、JSON）。

1. 抓取并解析网页

先用Invoke-WebRequest获取目标网页，它会自动把HTML解析成可操作的DOM对象，省去手动处理字符串的麻烦：

# 替换成目标网站的实际URL
$webContent = Invoke-WebRequest -Uri "http://www.example.com/target-page"

如果网站有反爬限制，可以模拟浏览器请求头：

$headers = @{
    "User-Agent" = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 Safari/537.36"
}
$webContent = Invoke-WebRequest -Uri "http://www.example.com/target-page" -Headers $headers

2. 定位到指定ID的表格

利用DOM的getElementById方法，直接锁定ID为category1的目标表格：

$targetTable = $webContent.ParsedHtml.getElementById("category1")

3. 遍历表格提取事件数据

接下来遍历表格<tbody>里的每一行，提取日期时间、事件标题和对应的链接：

# 获取表格的主体部分
$tableBody = $targetTable.getElementsByTagName("tbody")[0]

# 遍历所有行，提取数据并封装为对象
$eventList = foreach ($row in $tableBody.getElementsByTagName("tr")) {
    $cells = $row.getElementsByTagName("td")
    # 确保每行有两个单元格，避免报错
    if ($cells.Count -eq 2) {
        # 提取日期单元格的文本和链接
        $dateLink = $cells[0].getElementsByTagName("a")[0]
        # 提取事件单元格的文本和链接
        $eventLink = $cells[1].getElementsByTagName("a")[0]

        # 输出自定义对象，方便后续转换格式
        [PSCustomObject]@{
            DateTime  = $dateLink.innerText.Trim()
            DateUrl   = $dateLink.href
            EventName = $eventLink.innerText.Trim()
            EventUrl  = $eventLink.href
        }
    }
}

4. 转换为你需要的格式

拿到$eventList这个对象数组后，就可以轻松转换成各种常用格式：

转CSV（适合导入Excel或数据库）

$eventList | Export-Csv -Path "events.csv" -NoTypeInformation -Encoding UTF8

转JSON（适合程序调用）

$eventList | ConvertTo-Json | Out-File "events.json" -Encoding UTF8

生成RSS Feed（替代原生Feed的最佳选择）

手动拼接XML格式的RSS内容，直接生成可订阅的Feed文件：

# RSS头部
$rssHeader = @"
<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0">
<channel>
<title>自定义事件Feed</title>
<link>http://www.example.com/target-page</link>
<description>从目标网站提取的最新事件</description>
"@

# 生成每个事件的RSS item
$rssItems = foreach ($event in $eventList) {
    # 把日期转换成RSS标准的RFC1123格式
    $pubDate = [DateTime]$event.DateTime | Get-Date -Format "r"
    @"
<item>
<title>$($event.EventName)</title>
<link>$($event.EventUrl)</link>
<pubDate>$pubDate</pubDate>
<description>事件时间：$($event.DateTime)</description>
</item>
"@
}

# RSS尾部
$rssFooter = @"
</channel>
</rss>
"@

# 拼接并保存RSS文件
($rssHeader + $rssItems -join "`n" + $rssFooter) | Out-File "events.rss" -Encoding UTF8