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：

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。

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。

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。

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。

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：

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。

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。

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

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：

除了表格，表单也是我们在网页数据提取，页