ExcelHome技术论坛

 找回密码
 免费注册

QQ登录

只需一步,快速开始

快捷登录

搜索
EH技术汇-专业的职场技能充电站 妙哉!函数段子手趣味讲函数 Excel服务器-会Excel,做管理系统 Excel Home精品图文教程库
HR薪酬管理数字化实战 Excel 2021函数公式学习大典 Excel数据透视表实战秘技 打造核心竞争力的职场宝典
300集Office 2010微视频教程 数据工作者的案头书 免费直播课集锦 ExcelHome出品 - VBA代码宝免费下载
用ChatGPT与VBA一键搞定Excel WPS表格从入门到精通 Excel VBA经典代码实践指南
楼主: liu-aguang

[原创] 网页数据采集---网页文档解析篇(json/html/xml)

  [复制链接]

TA的精华主题

TA的得分主题

发表于 2021-8-22 13:25 | 显示全部楼层
本帖已被收录到知识树中,索引项:网页交互
liu-aguang 发表于 2016-10-14 14:01
2. 基本语法
   
   jQuery对象.动作()

老师好,您辛苦了,最近翻到这个帖子一直在学习。
现有一个重大问题无法解决,求助老师帮助。
测试这个库,看了可以下载,库本身仿佛没问题。
Sub Test1()
      Set oDom = CreateObject("htmlfile")
      Set oWindow = oDom.parentWindow
      oDom.write "<script  src='https://ssl.google-analytics.com/ga.js'></script>"   '这个库是从其他网站扒下来谷歌的库
      oDom.write "<p id='myid' name='test'>这是一个段落</p>"
      MsgBox oDom.DocumentElement.innerHTML  '你可以看到你写入的HTML文档
      MsgBox oWindow.eval("$('#myid').text()")     '运行到这一句出错
End Sub

出现错误提示是,运行时错误70,拒绝的权限。
这个问题我也不知出在哪,实在无法解决。遂求助于老师,辛苦了!

TA的精华主题

TA的得分主题

发表于 2021-8-22 14:38 | 显示全部楼层
本帖最后由 氿啊 于 2021-8-22 14:57 编辑

刘老师大神您好,我遇到很严重的问题向您请教
举例我需要取得
https://search.douban.com/movie/ ... =tt0770442&cat=1002
这个页面的数据。
而根据传统方式,
Sub 测试1
Set HTML = CreateObject("htmlfile")
    Set http = CreateObject("Msxml2.XMLHTTP")
    http.Open "GET", "https://search.douban.com/movie/subject_search?search_text=tt0770442&cat=1002", False
    http.send
    tt = http.responseText ' 得到数据
    Window.clipboardData.SetData "text", tt '写入剪贴板

End Sub

Sub 测试2()
         URL="https://search.douban.com/movie/subject_search?search_text=tt0770442&cat=1002"
         With CreateObject("Microsoft.XMLHTTP")
        .Open "GET", URL, False                     '要抓取的链接,"GET"尽量用大写,以免某些系统不兼容
        .send
        tt = .responseText        
            With CreateObject("new:{1C3B4210-F441-11CE-B9EA-00AA006B1A69}")    'DataObject对象,数据放入剪贴板,记事本观察数据
           .SetText tt                                                    '因为XMLHTTP默认是UTF-8,不能识别gb2312,会发现数据乱码
           .PutInClipboard                                                '所以不能采用.responsetext对象来得到字符串
           End With

       End With
End Sub
两种方式均无法取得想要的数据,搜索结束产生数据位置显示为"正在搜索…"
例如我想要的数据,在tt = .responseText或tt = http.responseText 的tt中并不存在。我用360加载网页后,F12调试中能看到想要的数据,在Fiddle抓包也看不到相应数据,所以很是困惑。我要的数据如下图:    必须完整加载网页后才能显示
测试.png
但是通过VBA程序打开网页方式,并加载完成后,就可以取得想要的数据,再对数据进行处理提取。
代码很长,是那种嵌套引用方式,老实讲,这段代码并非我写,而是修改的他人的代码,照猫画虎勉强使用,但画出来的虎它毕竟不是虎,它每次都需要打开网页,加载后才能找到相应的数据,效率极其低下。老师能否提供个思路,在我这种情况下,在不打开网页的情况下收集网页加载后的完整数据,只要字符串或者说HTML完整文档有了,就可以用您教的方法取得相应数据。后面有相应附件
Public Const lngStartRow As Long = 2 '起始输入行
Dim n As Long
Dim objDic As Object
Dim strRef As String, objIE As Object
Dim IsOpen As Boolean
Dim objframe As Object
Sub 网页元素分析()
    URL = "https://search.douban.com/movie/subject_search?search_text=tt0770442&cat=1002" '测试
    Set objIE = FindWin(URL) '先查找该网页是否已打开
    If objIE Is Nothing Then
        Set objIE = CreateObject("internetexplorer.application")
        With objIE
            .Visible = False
            .Navigate URL '打开网页
            Do While .ReadyState <> 4 Or .Busy
                DoEvents
            Loop
        End With
    Else
        IsOpen = True
    End If


    Application.ScreenUpdating = False
    Set objDic = CreateObject("scripting.dictionary")
    DoEvents
    Call FindFrame(objIE.Document.Frames, ".Document.") '寻找每个frame的内容
    DoEvents
    Cells.WrapText = False '单元格取消自动换行
    Application.ScreenUpdating = True
    Set objDic = Nothing
    Set objIE = Nothing
    MsgBox "完毕!"
End Sub
Sub FindFrame(ByVal objframe As Object, ByVal CellName As String)
    '递归查找frame
    Dim i As Long
    DoEvents
    Call OutPutAllCell(objframe, CellName) '输出元素内容
    For i = 0 To objframe.Length - 1
        objDic.RemoveAll
        Call FindFrame(objframe(i), CellName & "frames(" & i & ").Document.")
    Next
End Sub
Sub OutPutAllCell(ByVal objframe As Object, ByVal CellName As String)
    '输出元素属性
    Dim subitem As Object
    Dim strCode As String
    Dim strID As String
    Dim j As Integer
    Dim 元素代码(), 长度(), 标识(), 名字(), 标识名(), type值(), 值(), href(), 内部数据()
    On Error Resume Next
    n = 0
    For Each subitem In objframe.Document.all
        n = n + 1
        objDic(subitem.tagName) = objDic(subitem.tagName) + 1
        strCode = "(" & subitem.tagName & ")" & "(" & objDic(subitem.tagName) - 1 & ")"
        strID = subitem.ID
        If strID = "" Then strID = subitem.Name


        ThisWorkbook.Sheets("Sheet1").Cells(n + 2, 1).Value = strCode '将数据放入第一个表格检测
        ThisWorkbook.Sheets("Sheet1").Cells(n + 2, 2).Value = subitem.all.Length
        For j = 3 To ThisWorkbook.Sheets("Sheet1").Cells(2, Columns.Count).End(xlToLeft).Column
            ThisWorkbook.Sheets("Sheet1").Cells(n + 2, j).Value = CallByName(subitem, ThisWorkbook.Sheets("Sheet1").Cells(2, j).Value, VbGet)
        Next
    Next
    Set subitem = Nothing
End Sub
Function FindWin(ByVal strRef As String) As Object
    '找寻已打开的网页
    Dim objWin As Object
    For Each objWin In CreateObject("Shell.Application").Windows
        Do While objWin.ReadyState <> 4 Or objWin.Busy
            DoEvents
        Loop
        If LCase(TypeName(objWin.Document)) = "htmldocument" Then
            If objWin.LocationURL = strRef Then
                Set FindWin = objWin
                Exit For
            End If
        End If
    Next
    Set objWin = Nothing
End Function


测试附件.rar

37.06 KB, 下载次数: 15

代码测试

TA的精华主题

TA的得分主题

发表于 2021-8-25 17:27 | 显示全部楼层

TA的精华主题

TA的得分主题

发表于 2021-9-13 14:19 | 显示全部楼层

TA的精华主题

TA的得分主题

发表于 2021-10-7 11:36 | 显示全部楼层

TA的精华主题

TA的得分主题

发表于 2021-11-22 17:13 | 显示全部楼层
[广告] VBA代码宝 - VBA编程加强工具 · VBA代码随查随用  · 内置多项VBA编程加强工具       ★ 免费下载 ★      ★使用手册
Mark一下,学习中

TA的精华主题

TA的得分主题

发表于 2021-11-22 18:54 | 显示全部楼层
[广告] VBA代码宝 - VBA编程加强工具 · VBA代码随查随用  · 内置多项VBA编程加强工具       ★ 免费下载 ★      ★使用手册
好文章,参考学习

TA的精华主题

TA的得分主题

发表于 2022-3-25 15:43 | 显示全部楼层
学习了,执行JavaScript语句的环境营造

TA的精华主题

TA的得分主题

发表于 2022-3-26 15:29 | 显示全部楼层

TA的精华主题

TA的得分主题

发表于 2022-5-10 18:06 | 显示全部楼层
[广告] Excel易用宝 - 提升Excel的操作效率 · Excel / WPS表格插件       ★免费下载 ★       ★ 使用帮助
liu-aguang 发表于 2016-9-28 11:03
4. 数组和对象自身嵌套或相互嵌套的Json/Jsonp实例

通过上面的讨论,我们明白了json的概念和一般解析方 ...

err.png
编译错误:
类型不匹配

For j = 0 To oWindow.eval("oi.events.length") - 1

请问这个报错是什么原因
您需要登录后才可以回帖 登录 | 免费注册

本版积分规则

关闭

最新热点上一条 /1 下一条

手机版|关于我们|联系我们|ExcelHome

GMT+8, 2024-4-19 14:17 , Processed in 0.047228 second(s), 8 queries , Gzip On, MemCache On.

Powered by Discuz! X3.4

© 1999-2023 Wooffice Inc.

沪公网安备 31011702000001号 沪ICP备11019229号-2

本论坛言论纯属发表者个人意见,任何违反国家相关法律的言论,本站将协助国家相关部门追究发言者责任!     本站特聘法律顾问:李志群律师

快速回复 返回顶部 返回列表