vbahtml篇.docx

1、vbahtml篇VBA的WEB应用系列教程HTML文档篇 By Xmyjk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XX，返回了，“”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，

2、例如“XX一下，你就知道 ”。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“XX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“XX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H

3、TML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：元素的内容标签是可以拥有属性的，因此起始标签，有时候格式如下：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

4、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：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。 网页标题 网页文档主体 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

5、架。（二）段落特别是提取小说，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：显示的超链接文本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）图像图像标签用法和超链接类似，语法：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

6、载ET的LOGO的页面玩玩!（五）表格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，每个单元格用：（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2、有序列表3、自定义列表（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：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

7、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

8、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（）其语法是：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，

9、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）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、下拉列表其语法：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：显示文字一样，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

10、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： （八）框架 标签和 标签1、frameset和frameFrame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：首先框架必须放置在框架结构标签里面（），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

11、下：2、iframeIframe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：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：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（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

12、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：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，

13、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：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代表 元素Forms代表 元素集合Frames代表 元素或 元素集合Images代表 元素集合Links代表 元素集合Options代表 元素集合（select元素里面可以直接使用）Cells代表 元素集合（table元素里面可以直接使用）Rows代表 元素集合（table元素里面可以直接使用）All对象集合，提供对文档中所有

14、 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

15、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F

16、8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。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：，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

17、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

18、：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

19、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

20、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，

21、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

22、，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。这样可以直接观察到该元素的网页源代码，然后进行分析。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XX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

23、。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：事件适用元素何时触发onloa

24、dBody和frame文档加载时onchange表单元素当元素改变时onsubmit表单元素当表单被提交时onreset表单元素当表单被重置时onselect表单元素当元素被选取时onblur表单元素和超链接元素当元素失去焦点时onfocus表单元素和超链接元素当元素获得焦点时onkeydownBody和表单元素当键盘被按下时onkeypressBody和表单元素当键盘被按下后又松开时onkeyupBody和表单元素当键盘被松开时onclick大部分元素当鼠标被单击时ondblclick大部分元素当鼠标被双击时onmousedown大部分元素当鼠标按钮被按下时onmousemove大部分元素当

25、鼠标指针移动时onmouseout大部分元素当鼠标指针移出某元素时onmouseover大部分元素当鼠标指针悬停于某元素之上时onmouseup大部分元素当鼠标按钮被松开时那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。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

26、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。（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时，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

27、click方法也行。下拉列表呢，可以通过select对象的selectedIndex属性去设置选中项，也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XX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。（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

28、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：通过上面的代码，这个解禁清单就被我们提取下来了。（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，也就是获取框架内的页面文档。举个例子吧，提取一个网址为：（5）Anchor 对象文档中 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。（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，查找出来的索引号为3，和我们使用工具查找