第1页 / 共28页
第2页 / 共28页
第3页 / 共28页
第4页 / 共28页
第5页 / 共28页
第6页 / 共28页
第7页 / 共28页
第8页 / 共28页
VBA网抓-WEB应用教程-html文档篇.docx
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，“…”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“百度一下，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“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。
（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。
</div><div id='PreviewText_3' class='preview-text'><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
网页文档主体