VBA处理网页基础二Word文档格式.docx
《VBA处理网页基础二Word文档格式.docx》由会员分享，可在线阅读，更多相关《VBA处理网页基础二Word文档格式.docx（29页珍藏版）》请在冰豆网上搜索。
结束标签:
/+元素名>
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”>
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：
<
head>
--注释：
文档头部，文档相关消息，并不提供文档内容-->
<
网页标题
/head>
body>
文档主体-->
网页文档主体
/body>
/html>
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。
（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<
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：
ahref=”跳转的URL”target=”_blank/_self”>
显示的超链接文本<
/a>
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：
imgsrc=”url”alt=”文本”>
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。
（
（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>
：
tableborder="
1"
>
border设置表格边框样式-->
第一行第一个单元格<
/td>
第一行第二个单元格<
/tr>
第二行第一个单元格<
第二行第二个单元格<
/table>
（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>
li>
函数<
/li>
VBA<
/ul>
2、有序列表<
ol>
图书
/ol>
视频
基操<
图表<
数透<
3、自定义列表<
dl>
dt>
第一节课<
/dt>
dd>
网络通讯<
/dd>
第二节课<
HTML<
/dl>
（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XX搜索，其实都是表单。
我们先来看一个例子：
请在文本框输入要搜索的关键字，后按提交，将提交XX进行搜索<
/p>
formmethod="
get"
action="
inputname="
wd"
type="
text"
value="
exceltip"
inputtype="
submit"
提交"
/form>
例如在文本框输入“苹果”后，按提交按钮：
这个表单模拟的是XX搜索，在文本框输入关键字后，按提交，将跳转至XX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：
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：
inputtype=类型name=元素名称id=元素idvalue=元素值/>
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>
ch1"
checkbox"
excel"
checked="
checked"
表格设计
ch2"
word"
文档处理
ch3"
ppt"
幻灯片
/br>
rd"
radio"
100"
vip
10"
普通会员
reset"
重置"
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：
selectmultiple="
multiple"
name=名称size=显示菜单条目数>
如果存在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：
optionvalue=值selected="
selected"
显示文字<
/option>
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：
单选选择列表<
selectname="
sel"
optionvalue="
图书<
2"
视频<
3"
selected="
动画<
4"
图解<
/select>
多重选择列表,按住shift或ctrl键进行多重选择<
name="
size=2>
option>
excel<
word<
ppt<
（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：
framesetcols="
a%,b%,…"
/rows=”*,100”>
framesrc="
页面A"
/>
页面B"
/frameset>
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。
文档跟元素-->
框架测试文档
framesetrows="
50%,50%"
"
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。
iframesrc=urlscrolling=yes/no/autoheight=xxwidth=xx>
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：
第一个框架<
iframesrc="
/iframe>
第二个框架<
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，还可以参考去学习。
一般能做到，看得懂网页的框架结构即可。
二、HTML文档对象模型（HTMLDOM）
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HTMLDOM，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DOM1（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：
Subtest（）
Dimie,dmt
Setie=CreateObject（"
InternetExplorer.Application"
）'
创建一个IE对象
Withie
.Visible=True'
显示它
.navigate"
'
加载某个页面
DoUntil.ReadyState=4'
等待页面加载完毕
DoEvents
Loop
Setdmt=.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
EndWith
EndSub
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、HTMLDOM对象
和我们EXCEL的对象集合的层次结构类似（WORKBOOKS-WORKSHEETS-CELLS等），HTMLDOM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。
HTMLDOM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：
对象
描述
Document
代表整个HTML文档，可被用来访问页面中的所有元素
Anchors
代表<
元素集合
Body
元素
Forms
Frames
元素或<
Images
Links
link>
Options
元素集合（select元素里面可以直接使用）
Cells
元素集合（table元素里面可以直接使用）
Rows
All
对象集合，提供对文档中所有HTML元素的访问。
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HTMLDOM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HTMLDOM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htmldom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。
Dimie,dmt,bd
Setbd=dmt.body'
将文档的body赋予bd变量
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"
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（按键精灵论坛的作品），一个是firebug。
首先是网页按键精灵。
如附件，操作如下图，输入网址，按“网页分析”，然后按F9，将鼠标指向需要分析的页面元素，例如文本框，则得出元素相关的属性。
下方得出的有，标签的名称，元素的id，元素的name，元素的索引号（第几个input标签，从0开始编号）。
复习下上面说的概念？
就想象网页文档是个班级，标签就是学习小组，其中input这个学习小组里面，有个人的名字name是wd，他的工号id是kw，它在小组里面座位号是0。
我们，就是用这些标示，来找到这个元素的。
另外，在firefox浏览器，还可以使用firebug，直接对页面元素单击右键，使用“使用firebug查看元素”的菜单
升级会员 