我们在实际工作中遇到网站和网页相关往往要涉及到这类问题:如何下载网页数据?网页之间的通讯是怎么实现的、它们能不能被控制等等。分析网页根据不同协变色镜可以用不同的角度去看,如数据流、标记,不过,如果你是用VB/VBA/脚本或其它支持自动化对象(AUTOMATION)的语言编程,有一个值得了解方法是掌握对象模型,将网页视为对象来自行控制,这个方法需要了解的是IE的自动化对象(InternetExplorer.Application)或IE控件(Microsoft Internet Controls),以及标准的文档对象模型(Document)
以下代码在VBA环境下进行试验——我不在意你是用WORD还是EXCEL——可以先做一行过程模块,也可以在立即窗口下逐行输入:
Set ieA = CreateObject("InternetExplorer.Application")‘创建对象
ieA.Visible = True‘使IE页面可见,做完这一步,在VBA之外可以看到一个新的IE
ieA.navigate "about:blank"‘空白页
这几行代码的作用是创建一个IE应用程序对象(是的,相当于一个IE应用程序),并打开一个空白的网页。这个网页独立于VBA的应用程序(WORD或EXCEL)之外,事实上,你必须自已关掉它,或者用ieA.Quit下令退出——注意一下,单纯的关闭VBA或SET ieA=nothing是不会退出这个网页的。当然,如果你正在上网并且愿意,在第3行也可以将第3行的字符串替换成一个网站的名字,或者替换成一个你主机中的文档名——比如C:\XXX.HTM,或D:\PIC\XXX.GIF,正如你在IE地址栏输入名称浏览这些文档一样。另一种可选择的方法是直接在VB/VBA的窗体或工作表等宿主上增加一个的WEB BROWS 浏览器控件,也相当于上面的IE应用程序
注:WEB BROWSE控件和单独的IE程序并不是完全相同的,例如WEB控件不能用QUIT方法退出,IE的NAVIGETE方法没有复杂的POST参数,但文档对象都可以用同样的方法引用,大部分事件和方法也通用
另外,如果访问一个已经存在的网页,例如WWW.EXCELHOME.NET,因为可能产生异步的延时,所以如果不是立即窗口,往往根据READYSTATE的状态保证网页加载完毕:
SUB LOADIE()‘ 在代码的常见的处理情况
Set ieA = CreateObject("InternetExplorer.Application")
ieA.Visible = True
ieA.navigate "WWW.OOXX.COM"‘←打开某个网页,要一定时间,但代码会往下执行
DO UNTIL ieA.Readystate=4‘ 检查网页是否加载完毕(4表示完全加载)
DOEVENTS ‘ 循环中交回工作权限给系统,以免“软死机”
LOOP
END SUB
如果对这个IE应用程序对象的相关声明和事件感兴趣,就要引用IE控件找到对象中的常量和事件:SHDOCVW.DLL(MICROSOFT INTERNET CONTROL)
你可以看到的是,通过ieA——就是创建的对象——我们可以操作它,也可以访问它的属性。下面继续,如果前面你是在命令行输入,打开的那个空白网页没有关闭,变量是继续有效的:
Set doc = ieA.Document‘取得网页的文档对象
doc.body.innerHTML = "Hello"‘在文档的BODY标记内加上标记文字HELLO
网页上写了一行小字,HELLO......通用的惯例,当然你可以写上其它的什么,HI,我爱你,EXCEL,HOME之类,但这不是最需要的关心的问题,我们要知道这个对象之下的结构。
从文档对象(Document)以下展开的对象模型,它代表网页的内容,和前面那个IE的应用程序不是同一个体系——请注意这一点——如果我们编程时要用到对应的对象事件和常量,在VB/VBA中要引用的类型库是MSHTML.TLB(MIRCOSOFT HTML OBJECT LIBRARY)
Documnet(文档)是文档对象模型的基础,相当于OFFICE对象中的APPLICATION,取得Document之后,不论修改网页还是读写网页,还是触发事件,一切都好说,每个URL都对应有一个Documnet(这是假如定成功导航Navigate到那个URL完成,因此之前要求确定IE对象READSTATE,以确定对应URL的Document打开了)
在Documnet之下可以取得documentElement和body两个节点:
......‘前面已经取得了ieA对象,并打开空白网页,不再重复
set doc=ieA.Document
set xbody=doc.Body‘取得body对象
set xDoc=doc. documentElement‘取得根节点
body前面已经说过,相当于标记的对象,根节点相当于网页中的标记元素的对象,MHTML的类型库定义里,它们都属于HTMLHtmlElement类型的对象,下面我把这种类型的对象称为一个“节点”,不过要注意的是文档对象不是节点对象,它是HTMLDocument类型。根节点和body节点不同的是根节点包括整个网页,在HTML的文档对象模型中,这类对象有几种属性可以取得其中的内容:
......‘前面已经取得了ieA对象,并打开某URL网页
set doc=ieA.Document
set xDoc=doc. documentElement‘取得根节点
strX=xDoc.OuterHtml‘取得所有的HTML内容
这种取值的方式不妨可以当成EXCEL的单元格取值:
set shDocX=APPLICATION.ACTIVEWORK.ACTIVESHEET‘从应用程序、工作簿一直定位到当前工作表,这是EXCEL的工作簿对象模型
set rngX=shDocX.Rang(“a1”)‘取得单元格(其实不一定是一个格子,只要是RANGE类型对象即可)
X=rngX.VALUE‘取得VALUE值,也可以取只读的TEXT
在网页上看到的标记,就是根节点或body之下的标记节点对象(node)。每一个标记节点对象之下都有一个名为ChildNodes的集合,它包含了“直属于本节点下的标记”,听起来有点抽象——这么说吧,就象是文件目录,根目录下的子目录……
001
在上面的网页例子里,HTML标记是文档的根节点,是Document的Childnodes集合中的一个成员(还是要提请注意,Document不是节点,是另一种类型对象:上一级文档,但它可以有下级节点集合,正如磁盘可以有下级目录,但它本身不是目录),BODY是根节点的ChildNodes集合中的一个成员,而DIV和P两个节点则是BODY的ChildNodes集合中的两个成员,同样也有自已的Childnoes集合——不过我们很直观地可以看到,它们的下级集合是空的。
用程序代码程序问的过程是怎么样的呢?这种“目录式”层次的方式似乎是很有序的,那么,把上面的内容另存为一个HTML文档,放到硬盘的某个目录下,自已写一段代码做完前面的工作吧,我不代劳了:
…….假定你已经用ieA为名的对象浏览了上述网页文件
set doc=ieA.Document
set xbody=doc. body‘取得body节点
set xI00= xbody.Childnodes.item(0)‘取得body的第1个节点
set xI01=xbody.Childnodes.item(0)‘取得bdoy的第2个节点
Msgbox xI00.innerText‘显示第1个节点(DIV)的文本
Msgbox xI01.outerHtml‘显示第2个节点(P)的完整内容
在VB/VBA/VBS系列的语言中,item是默认方法,可以省略,不过我在这里还是写出来,加深印象。
应该注意的是,文档对象模型中,集合与OFFICE的集合有所不同,首先,集合是从0开始计数的,习惯了OFFICE VBA编程的朋友们一定要注意,不同的对象架构有不同的方式,这里用的是“0集合”,其次,它用的计数属性是Length而不是Count,不要习惯性地打上Childnode.Count查看集合的数量了
除了ChildNodes集合,大家在网页文档对象中还常见到的就是很大气的一种集合:All集合,这是“最糊涂”的一种集合,文档和各级节点都带有这个集合,正如这个名字所示,它是不分层次的,但用起来也很方便:
…….
Set doc=ieA.Document
Set xCols=doc.All;取得文档中的所有节点集合
Set xbCols=doc.body.All ;取得body节点下所有的节点集合
虽然任何标记节点都有ALL集合,但我们还是喜欢用DOCUMENT的ALL,原因无它,文档最大,一锅烩的ALL找起来也最合适。
ALL查找是有条件的:如果这个标记没有ID,你无法查到它的名字:
hi,you
set tag1=doc.All.item(“myTag”).item(0)‘返回标记内部ID=myTag的集合并取第一个
最初在我个人看来,如果网页中的HTML标记已经有了ID,不如用文档对象的getElementById直接返回一个对象更直接,这个方法不需要经过集合:
set tag1=doc. getElementById(“myTag”)‘返回第一个内部标有ID=myTag的标记
不过,ALL集合有一个很方便的特性——至少在初学者看来是很好用的:ID可以挂到ALL集合之下:
strX=doc.All.mytag.innerhtml‘呜呜呜,太好用了
另一种方法是以标记名为集合,要用到文档对象的getElementsByName方法:
set mydivs=doc. getElementsByName(“div”)‘取得所有DIV标记,注意还是集合
今天先写到这里,下回......不定期休息
(补一小段,特别增加,关于FORMS,某位兄弟,下面真的真的没有了,不要期望我上传实例......)关于文档对象的FORMS集合,因为大部分网页的数据提交都是通过FORM标记提交的,因此FORMS集合在没有网页中FORM标记没有ID标记或ID标记重复的情况下,可以用来区分不同的FORM节点:
但它的参数,也就是INPUT标记们怎么办?当然你可以自已修改,访问,唔......如果你分析了已经存在的网页,想从一个空白页面(ABOUT:BLANK)用VBA“凭空”生成FORM和INPUT节点,光凭上面的方法还不够,我们还要“创造节点”(createElement_x)并连入文档对应的位置(appendChild),但这已经是另一个问题了
联系客服