VBA的WEB应用系列教程——HTML文档篇

xmyjk · 发表于 2012-8-26 23:58:16

免费注册成为本站会员，享用更多功能，结识更多Office办公高手！

您需要登录才可以下载或查看，没有帐号？注册

x

本帖最后由 xmyjk 于 2012-9-4 16:40 编辑

第一节课以及整个教程体系，请见：
VBA的WEB应用系列教程——HTTP通讯基础篇
http://www.exceltip.net/thread-37639-1-1.html

这一篇没想到整理完了有8600多字，想学习的就请耐心看吧，示例比较多。整个WORD文档如下：

html篇1.rar (0 Bytes, 下载次数: 2155)

2012-8-30 10:26 上传

点击文件名下载附件

wqm.zip (1.52 MB, 下载次数: 1587)

2012-8-27 01:47 上传

点击文件名下载附件

主要HTML代码案例.rar (0 Bytes, 下载次数: 905)

2012-8-30 10:28 上传

点击文件名下载附件

VBA的WEB应用系列教程——HTML文档篇

上节课，我们说了HTTP通讯，HTTP通讯一般情况返回的是啥呢？是页面的源代码。例如，我们访问百度，返回了，“<!doctype html><html>…”一大堆东西。就是，我们在页面点击右键，“查看页面源文件”，如图：

   我们的浏览器，正是把这堆源代码，翻译成我们可视的生动地页面的。就像VBA一样，这堆代码是什么语言呢，就是通常所说的，超文本标记语言。

   为啥叫标记语言，因为它只能用于展示，展示我们所看到的网页页面。不是编程语言哦。

   为啥叫超文本呢，大家仔细看，这堆源代码有什么特征呢，就是有很多<…>这样的文本，一般而言，我们把<…>叫做标签，细心的同学可以发现，标签都是成对出现的，例如“<title>百度一下，你就知道    </title>”。第一个叫做开始标签，第二个多带了个/叫结束标签。标签之间就是网页的文本，例如这个例子，就是我们网页标题的文本“百度一下，你就知道”。所以，标签的作用就是，给文本打上标记，告诉浏览器，怎么显示这个文本。例如本例，要求浏览器把“百度一下，你就知道”显示成网页的标题。HTML文档=文本+标签，所以就超文本啦。

   总之，HTML就是用来描述网页的语言，像上面所说的<title>这样的标签，是有一整套的，呵呵。

   我们的教程，并不是为了教大家，怎么去做网页，设计网页，因此，大家仅仅需要，大致的了解一些HTML系列的文本标记语言的基础即可，知道常用的几个标签，有什么用即可。

一、网页数据提取常见的HTML标签/元素
   上面说了，标签是用来描述网页的。浏览器读取HTML文档，识别标签，并按标签要求以网页进行显示文本。大部分标签都是成队出现的。

   起始标签和结束标签之间的所有文本，都叫做元素。也就是这个格式就是：

<起始标签:也叫元素名>元素的内容<结束标签:/+元素名>

复制代码

标签是可以拥有属性的，因此起始标签，有时候格式如下：

<元素名属性名称=”属性值”>

复制代码

属性提供了元素的一些附加信息啦，后面我们讲具体标签，大家就会见到属性怎么用。

   另外，注意，元素是可以拥有元素的，即某个元素的内容有时候是一个子元素。

   元素这东西，比较抽象，我们可以把它且当作一个对象来理解，例如工作簿对象，每个工作簿的名称都不一样（属性），每个工作簿里面都有工作表（子元素），每个表都有名称（属性），里面填写的内容也不一样（元素的内容）。

   下面讲讲常见的和我们网页数据提取要常见的元素/标签。

   （一）整体框架结构：
   每个网页文档，都是有个大致的框架，框架如下：

<html>
<head>
<title>
网页标题
</title>
</head>
<body>
网页文档主体
</body>
</html>

复制代码

把上面这段文本保存在TXT文件里面，然后另存.html格式，就可以得到最基础的页面。

从上面的框架代码，我们可以看出，一般的页面，都有html元素，其一般内含两个元素，一个是head元素，一个是body元素。Head元素仅仅说明文档的相关消息，并不展示文档实体，body元素才是真正展示文档主体的，所有要在页面展示的元素，都要在body內进行书写。

后面的元素的测试，都是以替换掉body元素内的文本“网页文档主体”进行书写，后续不再复述这个框架。

xmyjk · 发表于 2012-8-27 00:01:14

本帖最后由 xmyjk 于 2012-8-29 21:32 编辑

补充案例.zip (104.66 KB, 下载次数: 490)

2012-8-29 21:30 上传

点击文件名下载附件

   补充案例两则

   清点了下帖子的讲过的网页元素，6楼，其实已经大部分列举过了常用元素在VBA里面的如何访问的示例了。大概只缺select元素，以及列表元素数据提取没有讲过。下面再举两个例子，另外也顺便补充下，如何在兄弟父子元素进行坐标切换。
本教程所举的例子，并不一定用网页元素访问的方式是最合适，仅仅为了举例让读者学习。很多可以用第一节课讲的，模拟收发包的来解决。

   第一个案例，我们在钻石估价网的表单里面，填入所需估价钻石的克拉数，颜色和净度，并模拟点击查询，然后读取查询的价格到VBA中进行显示。

用firebug分析一下各个元素，发现都有id，就非常容易访问了。

这样，填入表单的工作其实相对是比较简单的。读取查询结果就比较难了。用firebug分析：

会发现，其实他就位于，我们查询的表单form的下面那个div元素里面，这下就好办了，坐标从form元素向下切换一个兄弟元素，那个div元素里面，就有我们需要的文本。

还有个难点，我们捕捉元素非常容易，但是，怎么捕捉元素的所在表单呢，通过查询w3school的对象手册，我们会发现，表单内含的所有元素，都有.form这个端口，可以使我们非常容易的获取该元素所在的表单。呵呵，分析完毕，可以开始书写代码了。如下：

Sub test()
Dim ie, dmt
Set ie = CreateObject("InternetExplorer.Application") '创建一个IE对象
With ie
.Visible = True '显示它
.navigate "http://www.525zb.com/tool/diamond-price" '加载某个页面
Do Until .ReadyState = 4 '等待页面加载完毕
DoEvents
Loop
Set dmt = .document '将IE浏览器加载的页面文档，赋予dmt变量
End With
With dmt
.all("carat").Value = "1" '输入克拉数
.all("color").Value = "E" '输入颜色
.all("clarity").Value = "VVS1" '输入净度
.all("act").Click '提交查询
Do Until ie.ReadyState = 4 And ie.busy = False '等待页面加载完毕
DoEvents
Loop
With .all("carat").form.NextSibling '获取表单元素的下一个元素
MsgBox .Children(0).innertext & vbCrLf _ '读取我们查询的钻石样式文本
& Format(.Children(1).innertext, "#,##0.00") & "元" '获取价格
End With
End With
End Sub

复制代码

案例二：http://data.eastmoney.com/executive/ranklist_in.html
读取，东方财富网，高管增减持排行榜，的第一页的页面内容，不讲翻页，因为涉及到一些脚本等高级知识，后面的课程再讲，怕消化不了，实在有兴趣的同学，可以站内信联系我。

看了截图，有些人可能要跳起来了，这个我会，不就是个表单嘛。呵呵，请大家用firebug等分析工具看看，呵呵，你错了，每行是一个ul，每行的每个单元格是个li，翻主体教材呵呵，列表，我们有举例过。而且，表头，和表的主体，是两个分割的部分。不是那么好读取的。

首先，我们先读取主体数据吧，用分析工具如图解析：

数据其实都在id为datacont的div里面，div元素的下面的每个ul就是行，ul里面的li就是每个单元格了。这个无非就是历遍，读取Innertext。我们的读取，要撇去最后一列，不要读取那个自选股的就是，无用数据。
那表头怎么办，继续分析：

其实，它是表的主体内容的那个div，上一个兄弟元素ul里面，一样，每个单元格就是一个li。最后，书写代码如下：

Sub test()
Dim ie, dmt, div, ul, i&, j&
Set ie = CreateObject("InternetExplorer.Application") '创建一个IE对象
With ie
.Visible = True '显示它
.navigate "http://data.eastmoney.com/executive/ranklist_in.html" '加载某个页面
Do Until .ReadyState = 4 '等待页面加载完毕
DoEvents
Loop
Set dmt = .document '将IE浏览器加载的页面文档，赋予dmt变量
End With
Set div = dmt.all("datacont") '获取数据表所在的div标签
For i = 0 To div.Children.Length - 1 '历遍每个ul
Set ul = div.Children(i) '获取每个ul
For j = 0 To ul.Children.Length - 2 '历遍每个ul项下的li
Cells(i + 2, j + 1) = ul.Children(j).innertext '将每个li的文本给予单元格,最后一个自选股是不要的所以-2
Next
Next
Set ul = div.PreviousSibling '获取ul的上面那个兄弟元素，就是表头的ul
For j = 0 To ul.Children.Length - 2 '历遍表头ul的每个li
Cells(1, j + 1) = ul.Children(j).innertext '填写表头到单元格
Next
End Sub

复制代码

xmyjk · 发表于 2012-8-26 23:58:36

本帖最后由 xmyjk 于 2012-8-27 00:40 编辑

（二）段落<p>
特别是提取小说，新闻等页面的消息，文本都是一段一段的，这样的页面，一般是通过<p>标签实现的。这个没啥好说的，自己动手试看看就知道。

所以，当运用ie/webbrowser方式提取这类网页的时候，历遍段落p元素即可。
（三）超链接<a>
超链接是我们最常见的页面元素，基本的门户网站都有他，点了以后，可以跳转到另一个页面。一般语法格式：

<a href=”跳转的URL” target=” _blank/_self”>显示的超链接文本</a>

复制代码

Target属性，表示的是，当我们点击超链接，是在原页面进行跳转（_self）还是新建页面进行跳转（_blank）。

测试做个ET的超链接吧。

（四）图像<img>
图像标签用法和超链接类似，语法：

<img src=”url” alt=”文本”>

复制代码

alt属性代表的是，当图片无法加载的时候，替换显示的文本。

我们做个加载ET的LOGO的页面玩玩。（http://www.exceltip.net/static/image/common/logo.jpg）。

（五）表格<table>
表格是我们网页最常见的，也是我们网页数据提取，最需要打交道的，其实它非常简单，框架如下，每行用<tr>，每个单元格用<td>：

<table border="1">
<tr>
<td>第一行第一个单元格</td>
<td>第一行第二个单元格</td>
</tr>
<tr>
<td>第二行第一个单元格</td>
<td>第二行第二个单元格</td>
</tr>
</table>

复制代码

（六）列表
很多时候，数据也经常以列表形式存在的，列表有三种：无序、有序和自定义。分别框架如下：

1、无序列表<ul>

<ul>
<li>函数</li>
<li>VBA</li>
</ul>

复制代码

2、有序列表<ol>

<ol>
<li>图书
<ol>
<li>VBA</li>
<li>函数</li>
</ol>
</li>
<li>视频
<ol>
<li>基操</li>
<li>图表</li>
<li>数透</li>
</ol>
</li>
</ol>

复制代码

3、自定义列表<dl>

<dl>
<dt>第一节课</dt>
<dd>网络通讯</dd>
<dt>第二节课</dt>
<dd>HTML</dd>
</dl>

复制代码

xmyjk · 发表于 2012-8-26 23:58:55

本帖最后由 xmyjk 于 2012-8-27 00:54 编辑

（七）表单和表单控件

除了表格，表单也是我们在网页数据提取，页面操控最常见到的元素。例如我们注册用户，例如我们的微博登陆，例如我们的百度搜索，其实都是表单。我们先来看一个例子：

<p>请在文本框输入要搜索的关键字，后按提交，将提交百度进行搜索</p>
<form method="get" action="http://www.baidu.com/s">
<input name="wd" type="text" value="exceltip">
<input type="submit" value="提交">
</form>

复制代码

例如在文本框输入“苹果”后，按提交按钮：

   这个表单模拟的是百度搜索，在文本框输入关键字后，按提交，将跳转至百度的搜索结果的界面。呵呵，奇妙吧。如何实现的呢？

   细心的同学会发现吧，表单form这个元素，有“method”和“action”两个属性，action属性指定的就是，提交表单后，向这个属性指定URL发送http请求（呵呵，涉及到第一节课的知识啦），method这个属性设定的就是，要按照get或者post等方式发送http请求。复习下第一节课吧，采用get的方式呢，参数将在URL后面加个?号，然后发送，采用post的方式呢，将在消息主体里面投递查询参数。

   那发送http请求的参数从哪里来的？就是从表单元素内含的各种下属元素，提取其name属性的值，作为参数名，然后提取该元素的value属性作为参数值（value属性的值有时候是由我们输入的，例如本例，虽然我们指定了默认的value属性的值为exceltip，但是我们可以手动输入，把它修改成“苹果”）。然后浏览器就用参数名=参数值和&进行连接（还是上节课的知识）串起来。就如本例，提交后，观察URL为：http://www.baidu.com/s?wd=苹果，wb就是第一个input元素的属性值，苹果就是我们输入的，赋予第一个input元素的value属性的值。

   下面，我们讲讲表单主要的内含子元素吧。

   1、输入标签（<input>）
   其语法是：

<input type=类型 name=元素名称 id=元素id value=元素值/>

复制代码

其类型由type属性定义，常见的有：text（文本框）、Radio（单选按钮）、Checkboxes（复选框）、submit（提交按钮）、hidden（隐藏）、reset（重置）和password（密码框）等。其中注意，其中单选框和复选框的是否选中，由checked属性指定，如果值是”checked”则选定。不多说了，看例子吧。（文本框和提交按钮就不做了，上面都举例了。密码框同，类似的）

<form>
<input name="ch1" type="checkbox" value="excel" checked="checked">表格设计
<input name="ch2" type="checkbox" value="word">文档处理
<input name="ch3" type="checkbox" value="ppt" checked="checked">幻灯片
</br>
<input name="rd" type="radio" value="100" checked="checked">vip
<input name="rd" type="radio" value="10">普通会员
</br>
<input type="reset" value="重置">
</form>

复制代码

注意，当表单提交的时候，发送http请求时，单选框和复选框，仅发送checked属性为”checked”的元素。一样是把标记了checked的元素的name属性值和value属性值串起来。

2、下拉列表<select>
其语法：

<select multiple="multiple" name=名称 size=显示菜单条目数>

复制代码

如果存在multiple="multiple"的属性设定，则允许菜单多选，否则单选。Size是设置可见的菜单条目数。其下级元素，option代表的是其每个菜单项目，语法为：

<option value=值 selected="selected">显示文字</option>

复制代码

一样，value属性接着的就是发往服务器的值，当提交的时候，就是将select的name属性值与用户选择的某项option元素的value属性值连接，进行发送。Option元素的selected属性设置的是默认选中的菜单项。示例如下：

<p>单选选择列表</p>
<form>
<select name="sel">
<option value="1">图书</option>
<option value="2">视频</option>
<option value="3" selected="selected">动画</option>
<option value="4">图解</option>
</select>
</form>
<p>多重选择列表,按住shift或ctrl键进行多重选择</p>
<form>
<select multiple="multiple" name="sel" size=2>
<option>excel</option>
<option>word</option>
<option>ppt</option>
</select>
</form>

复制代码

（八）框架<frame> 标签和<iframe> 标签

1、frameset和frame
Frame是独立框架，就好像我们的分屏浏览一样，一个屏幕，浏览多个画面一样。语法如下：

<html>
<frameset cols="a%,b%,…"/ rows =”*,100”>
<frame src="页面A" />
<frame src="页面 B" />
</frameset>
</html>

复制代码

首先框架必须放置在框架结构标签里面（<frameset>），其rows/columns 属性的值规定了框架每行或每列占据屏幕的面积。另外，frameset和body不能同时使用，除非有noframes，很简单，因为frame其实就描绘文档了，所以，一般不需要再有body进行描绘。另外，框架元素一般放置于head元素內。

Frame元素的src属性就是设定了其框架内显示页面的URL。示例如下：

<html>
<head>
<title>
框架测试文档
</title>
<frameset rows="50%,50%">
<frame src="http://www.exceltip.net">
<frame src="http://www.baidu.com">
</frameset>
</head>
</html>

复制代码

2、iframe

Iframe的框架，就类似画中画的效果，在原页面插入一个页面。语法如下：

<iframe src =url scrolling=yes/no/auto height=xx width=xx>

复制代码

Src设定框架内要显示的文档的url，scrolling设置是否显示滚动条。Height和widty设置的就是它的高度和宽度。案例如下：

<p>第一个框架</p>
<iframe src="http://www.w3school.com.cn"></iframe>
</br>
<p>第二个框架</p>
<iframe src="http://www.baidu.com"></iframe>

复制代码

Html就大概讲这一些吧，呵呵，毕竟我们不是要做网页，大家大致了解下就是，还可以参考www.w3school.com.cn去学习。一般能做到，看得懂网页的框架结构即可。

xmyjk · 发表于 2012-8-26 23:59:26

本帖最后由 xmyjk 于 2012-8-27 01:05 编辑

二、HTML 文档对象模型（HTML DOM）

   认识了网页文档上面的各种元素，我们怎么访问他们呢，是通过什么机制实现的呢？

   HTML文档，向程序们，提供了访问其元素的端口，这就是HTML DOM，其定义了一套标准的针对 HTML 文档的对象访问或操作的机制。现在DOM有多个版本，本文还是以最基础的DOM 1（98年颁布）这个版本。

   1、VBA访问IE网页文档的程序模板

   讲访问前，我们先简要讲讲，如何用VBA调用IE，直接给个模板吧，详细的IE对象的属性和方法等，我们后面的课会再讲：

Sub test()
Dim ie, dmt
Set ie = CreateObject("InternetExplorer.Application") '创建一个IE对象
With ie
.Visible = True '显示它
.navigate "http://www.baidu.com" '加载某个页面
Do Until .ReadyState = 4 '等待页面加载完毕
DoEvents
Loop
Set dmt = .document '将IE浏览器加载的页面文档，赋予dmt变量
‘开始操纵页面，或者提取数据啦
End With
End Sub

复制代码

通过上面这个模板，我们就可以创建一个IE对象，并将其页面文档对象赋予dmt变量，这样，我们通过dmt变量，就可对页面元素，进行后续的访问以及操作。

2、HTML DOM 对象
和我们EXCEL的对象集合的层次结构类似（WORKBOOKS-WORKSHEETS-CELLS等），HTML DOM为网页文档也组织了一个对象集合的分层次模型。另外，从上一节标签和元素的学习，大家也可以大致的得知，元素是可以拥有元素的，所以，这个分层的模型完全是合理的。HTML DOM的对象模型类似如下图：

但是，VBA直接支持调用的对象有限，如下：

   VBA支持直接调用对象的元素，调用就非常方便了，可以用序号调用，例如forms(0)，也可以按名称/ID调用，例如forms(“名称/ID”)。

   其他没法直接调用对象的元素，可以间接从通用all对象集合中去调用该元素或该元素对应的dom对象，或者还可以从文档树模型去调用。如下阐述。

3、文档树
   在HTML DOM中，文档的每一部分都是节点，整个文档被定义为一个文档节点，每个标签是一个元素节点，包含在元素中的文本是文本节点，每一个元素的属性是一个属性节点。

   形象的比喻做一棵树吧，根节点就是html，主干就是body等，枝干就是body内含的各种元素节点，叶子和花就是元素节点关联的元素的属性（属性节点）或内含文本（文本节点）。自己画的图太丑了，直接引用w3school的图吧：

当HTML DOM在解析网页文档的时候，就按整个文档的结构生成一棵树，全部保存在内存中，我们可以随时访问任何节点。

总之，网页文档，可以说是由元素组合而成的，也可以说是由节点连接而成的树构造的。节点是文档树结构中特有的名词，元素是节点，但是节点不一定是元素，节点还有文档节点、文本节点、属性节点等；元素是元素节点的扩展，元素可以拥有属性还有文本。初学者不是很必要纠结元素和节点的区别，这个需要甚至数据结构、类和继承等知识。可大致理解为，同一个html dom对象，提供的两个不同接口。有兴趣的朋友，可以按F8运行下面这个程序，然后本地窗口观察bd这个dody对象，你会发现，他既有支持node（节点）的相关属性和方法，也提供了element（元素）的相关属性和方法。

Sub test()
Dim ie, dmt, bd
Set ie = CreateObject("InternetExplorer.Application") '创建一个IE对象
With ie
.Visible = True '显示它
.navigate "http://www.baidu.com" '加载某个页面
Do Until .ReadyState = 4 '等待页面加载完毕
DoEvents
Loop
Set dmt = .document '将IE浏览器加载的页面文档，赋予dmt变量
Set bd = dmt.body '将文档的body赋予bd变量
End With
End Sub

复制代码

xmyjk · 发表于 2012-8-26 23:59:46

本帖最后由 xmyjk 于 2012-8-27 01:55 编辑

4、如何通过文档树查找所需的网页元素

   打个比方吧，当我们要掏大树上的鸟窝，有几种方式呢？

   （1）首先，当我们可以目测到，鸟窝在哪个节点的时候，我们可以用梯子，爬上去，直接掏。因此，当我们可以很清晰的观测到，节点的某些属性时，就可以直接定位它。元素节点的主要的定位属性有：id、name和索引号。还记得吗，元素起始标签的语法：<标签 id="xx" name="xx" value=”xx”...>，当初一定很疑惑吧，为啥要有名字或id等属性，现在明白了吧，和我们的姓名和学号一样，为了比较容易的找到我们。

   那索引号是什么呢，就例如我们从树根出发，清点树上的果子，给每个果子编号，这样我们就很容易知道，哪个号的果子成熟了，或者被虫子咬了。一样的，我们可以按源代码书写的顺序，给每类的元素的成员进行编号（类似每类元素，形成一个数组，从0开始编号）。通过元素类别和编号，我们可以很容易的找到它。

   另外，例如我们中学的老师，上课时，要抓人提问，可以用学号，也可以通过小组，哪一排，第几个学生，起来提问。因此，索引号，也有整个文档的，和同类元素之分。殊途同归，无论你点这个学员的学号，还是从他的组别的座位号去找他，都是可以的。所以，按统计方式或者起始节点的不同，索引号也会不同。

   刚刚说的查找工具（也就是打比方里面的梯子）有以下这些：

   getElementById(“元素的id属性”)或all(“元素的id属性”)：返回拥有指定id的元素集合

   getElementsByName(“元素的name属性”)或all(“元素的name属性”)：返回拥有指定名称的元素的集合

   getElementsByTagName(“标签名称”)或all.tags(“标签名称”)：返回该类标签的元素集合。

   all(索引号)：返回指定索引号的元素节点。

   （2）其次，当我们仅听到鸟鸣声，却不知道鸟窝在哪里的时候，有时候，我们只能顺藤摸瓜，开始爬树，沿着树干进行判断，最后攀爬到鸟窝处。或者，可能大概知道个方位，先架梯子，到某个主干，再从那里开始查找。因此，当我们找不到清晰的属性去定位网页元素时，我们可以从body元素/节点开始，一级级去寻找，也可以先定位到它的毗邻节点/元素，再通过判断，去查找它的精确位置。

   从节点方面而言，树形的模型的节点有个特征，除了根节点，每个节点均只有一个父节点（parentNode）,有一个或者多个子节点（childNodes，类似一个对象集合或对象数组，从0开始编号）。因此，通过节点的亲属关系，进行判断查找，我们就可以一步步的在父子节点中切换，获取所需的元素。节点有一些属性，可以利于我们的查找判断，如下：

   nodeName（节点名称）：元素节点的名称为其标签名，属性节点的名称为其属性名称；

   nodeValue（节点值）：文本节点的值为其包含的文本，属性节点的值为其包含的属性值；

   nodeType（节点类型）：元素节点为1、属性节点为2、文本节点为3、注释节点为8、文档节点为9

   另外，从元素方面而言，要定位元素的父元素可以通过parentElement属性，定位元素的子元素集合可以通过children属性，判断其标签的名称(tagname)，他的值(value)，内含文本(innertext)等方式来进行查找。

   最后，定位节点/元素的下一个同级兄弟可以通过nextSibling属性，定位上一个同级兄弟可以用previousSibling属性。
示例的话，后面一起展示。先学懂方法吧。

5、网页元素分析工具

   工欲善其事，必先利其器，很多高手已经提供给我们很多好用的网页元素的分析工具，我们怎么用他们呢？讲两个工具，一个是网页精灵（按键精灵社区的作品），一个是firebug。

   首先是网页按键精灵。如附件

wqm.zip (1.52 MB, 下载次数: 542)

xmyjk · 发表于 2012-8-27 00:00:02

本帖最后由 xmyjk 于 2012-8-27 01:20 编辑

6、常见HTML DOM 对象的属性、方法以及示例

（1）通用的属性和方法

   i.四个常用的通用属性：

   对象.innerHtml：对象内部的HTML代码

   对象.OuterHtml：对象的HTML代码，包括对象本身的HTML标签

   对象.innerText：对象内部的文本

   对象.OuterText：对象的文本，包括对象本身的文本

   举例，我们去捕捉百度首页，那个提交搜索的表单。这个表单的名称是”f”，然后查询它的innerHtml和OuterHtml。

Sub test()
Dim ie, dmt, an
Set ie = CreateObject("InternetExplorer.Application") '创建一个IE对象
With ie
.Visible = True '显示它
.navigate "http://www.baidu.com" '加载某个页面
Do Until .ReadyState = 4 '等待页面加载完毕
DoEvents
Loop
Set dmt = .document '将IE浏览器加载的页面文档，赋予dmt变量
Set an = dmt.forms("f")
Debug.Print "innerHtml:", an.innerhtml
Debug.Print "OuterHtml:", an.OuterHtml
End With
End Sub

复制代码

观察一下立即窗口输出的区别，很容易就知道inner和outer的区别了。

   ii.一个常用的通用方法fireevent（发送事件）

   HTML DOM 对象，和我们EXCEL对象，都具有属性、方法和事件。前面所述的innerhtml那些都是属性，方法就是我们要给这个对象执行什么动作，比如点击网页上一个按钮，按钮这个对象就被“click”了，click就是按钮对象的一个方法。另外，网页对象也像我们的工作表一样，也支持识别事件，例如，当按钮被点击了，系统就会触发“oncilck”（被点击了这个事件），然后依据网页源代码里面设定好处理步骤去处理这个事件。

   主要的事件，整理如下：

那fireevent这个方法又是何用呢，他的作用就是，代替我们的一些操作，直接激发某些对象的某些事件。

例如我们附件的fireevent示例.html，点击文档主体的”点我一下”，将弹出对话框。下面，我们用程序模拟，这个点击事件的触发。新建一个excel，放置于和fireevent示例.html同文件夹下的目录里。

Sub test()
Dim ie, dmt, fm
Set ie = CreateObject("InternetExplorer.Application") '创建一个IE对象
With ie
.Visible = True '显示它
.navigate ThisWorkbook.Path & " \fireevent示例.html" '加载某个页面
Do Until .ReadyState = 4 '等待页面加载完毕
DoEvents
Loop
Set dmt = .document '将IE浏览器加载的页面文档，赋予dmt变量
dmt.body.FireEvent "onclick" '触发body的点击事件
End With
End Sub

复制代码

这样，程序就模拟了我们点击了body后激发的事件。一样，我们也可以用dmt.body.Click，这个方法取激发事件，殊途同归。

Fireevent主要用于，有的表单的校验机制非常强，需要光标聚焦了，文本change了等等，才能提交表单，这些事件的模拟只能靠fireevent了，其他方法就很难替代了。

xmyjk · 发表于 2012-8-27 00:00:24

本帖最后由 xmyjk 于 2012-8-29 09:55 编辑

（2）表单和表单控件对象

   表单form对象，有一个方法比较重要，就是submit，这个方法提供了表单的提交的动作。如果我们捕捉页面的提交按钮非常困难，有时候只要对表单，执行submit方法，表单也是可以提交的，不需去点击提交按钮。

   表单控件，文本输入类控件，最常用就是value的属性了，通过这个属性，可以往文本框里面添加文本。

   单选框、复选框，常用的就是checked属性了，如果为true就是被选中了，或者直接使用click方法也行。

   下拉列表呢，如果是单选列表框，可通过selectedIndex属性去设置选中项（下拉选项，从1开始编号，如2就是选择下拉列表的第二个选项），也可以通过value属性，直接把value指定为要选定的option的value即可，但多选列表框不可用这两个属性。另外，所有类别的列表框，都可以通过其内含对象集合options()，设置某个options(x)的selected属性为true，来设置选中项。

   还是以百度首页为示例，我们用程序模拟键入查询数据“exceltip”，然后提交查询为演示吧。

Sub test()
Dim ie, dmt, fm
Set ie = CreateObject("InternetExplorer.Application") '创建一个IE对象
With ie
.Visible = True '显示它
.navigate "http://www.baidu.com" '加载某个页面
Do Until .ReadyState = 4 '等待页面加载完毕
DoEvents
Loop
Set dmt = .document '将IE浏览器加载的页面文档，赋予dmt变量
Set fm = dmt.forms("f") '用表单的名称f，捕捉表单对象
dmt.all("kw").Value = "exceltip" '用搜索栏的id”kw”捕捉它，并键入exceltip
dmt.all.tags("input")(3).Click '用“百度一下”按钮的索引号捕捉它，并模拟按钮的点击
'fm.submit '模拟表单的提交，不一定要click
End With
End Sub

复制代码

（3）Table 对象

   表格对象，也是我们提取网页数据，最常打交道的对象了。其内含rows对象集合，可以使我们访问表格内的每行，每个row对象还内含cells对象集合，使我们可以访问其每行的每个单元格，读取每个单元格的innertext属性即可获取我们所需每个单元格的文本。

   另外，常用的属性还有length，这个类似我们VBA里面的count，都是返回某个对象的数量。

   我们以提取东方财富网的限售股解禁清单的table为例，URL：http://data.eastmoney.com/dxf/default.html。

Sub test()
Dim ie, dmt, tb, i&, j&
Set ie = CreateObject("InternetExplorer.Application") '创建一个IE对象
With ie
.Visible = True '显示它
.navigate "http://data.eastmoney.com/dxf/default.html" '加载某个页面
Do Until .ReadyState = 4 '等待页面加载完毕
DoEvents
Loop
Set dmt = .document '将IE浏览器加载的页面文档，赋予dmt变量
Set tb = dmt.all.tags("table")(3) '通过索引号捕捉表格对象
For i = 0 To tb.Rows.Length - 1 '历遍其每个行
For j = 0 To tb.Rows(i).Cells.Length - 1 '历遍每行的每个单元格
Cells(i + 1, j + 1) = tb.Rows(i).Cells(j).innertext '将其innertext写入单元格
Next
Next
End With
End Sub

复制代码

通过上面的代码，这个解禁清单就被我们提取下来了。

xmyjk · 发表于 2012-8-27 00:00:41

本帖最后由 xmyjk 于 2012-8-27 01:37 编辑

（4）框架frames对象

Frame和iframe元素，均体现在frames对象集合里面。其最重要的属性就是document，也就是获取框架的页面文档。举个例子吧，提取一个网址为：http://www.w3school.com.cn/tiy/loadtext.asp?f=html_iframe的框架里面的图片的URL。

Sub test()
Dim ie, dmt, idmt
Set ie = CreateObject("InternetExplorer.Application") '创建一个IE对象
With ie
.Visible = True '显示它
.navigate "http://www.w3school.com.cn/tiy/loadtext.asp?f=html_iframe" '加载某个页面
Do Until .ReadyState = 4 '等待页面加载完毕
DoEvents
Loop
Set dmt = .document '将IE浏览器加载的页面文档，赋予dmt变量
Set idmt = dmt.frames(0).document '将框架里面的文档赋予idmt变量
Debug.Print idmt.images(0).src '读取图片的URL
End With
End Sub

复制代码

（5）Anchor 对象

文档中 <a> 标签每出现一次，就会创建 Anchor 对象。

这个就没啥好示例的了，href属性返回被链接的URL，click可以模拟超链接被点击了。

xmyjk · 发表于 2012-8-27 00:00:57

本帖最后由 xmyjk 于 2012-8-29 21:24 编辑

（6）元素查找模板

实在不懂得用网页元素分析工具的，那VBA里面，怎么实现，查找我们所需要的元素呢？

以上面第三点，http://data.eastmoney.com/dxf/default.html，为例，查找那个table的索引号。

Sub test()
Dim ie, dmt, tbs, i&, tb
Set ie = CreateObject("InternetExplorer.Application") '创建一个IE对象
With ie
.Visible = True '显示它
.navigate "http://data.eastmoney.com/dxf/default.html" '加载某个页面
Do Until .ReadyState = 4 '等待页面加载完毕
DoEvents
Loop
Set dmt = .document '将IE浏览器加载的页面文档，赋予dmt变量
Set tbs = dmt.all.tags("table") '获取所有的table对象集合
For i = 0 To tbs.Length - 1 '历遍每个table
If InStr(tbs(i).innertext, "解除限售日期") > 0 Then '判断它的内含文本是否有某个关键字
Debug.Print i
Set tb = tbs(i) '符合则捕捉这个表
'Exit For '是否退出循环视文档架构，如果是表格套表格，很有可能是最后一个才是真正的数据表
End If
Next
End With
End Sub

复制代码

查找出来的索引号为3，和我们使用工具查找的一致。

   整个查找框架就是类似这样啦，其他元素的查找，也可以模拟这个框架进行改写。

   HTML DOM对象也就大概讲这么多吧，其余文中没提到的对象、属性、方法和事件，请参考如下网址进行学习：http://www.w3school.com.cn/htmldom/htmldom_reference.asp

   这节课就讲这么多吧，首先教会大家，怎么大概看懂HTML格式的网页源代码框架和介绍代码的主要语法规则，简要阐述了浏览器显示原理。进而，介绍了外部程序如何访问HTML文档，HTML DOM提供了哪些对象以及机制供外部访问，介绍了网页元素、文档树和节点的定义。最后，介绍了如何查找我们所需的网页元素，并简单的演示了，在VBA中如何访问和操控这些元素。

[Excel VBA] VBA的WEB应用系列教程——HTML文档篇

免费注册成为本站会员，享用更多功能，结识更多Office办公高手！

评分

相关帖子

评分

站长推荐 /1

帐号		自动登录	找回密码
密码			注册