VBA处理网页基础二重点.doc

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 htmlhtml…”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 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。 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 !--注释：文档头部，文档相关消息，并不提供文档内容-- title 网页标题 /title /head body !--注释：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 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” 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。（/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 !--注释：border设置表格边框样式-- 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