excel网页数据抓取vba( VBA·5个月前如何使用VBA网抓的？ )

　　excel网页数据抓取vba(

VBA·5个月前如何使用VBA网抓的？

)

　　使用Excel+VBA操作网页

　　黄晨·5个月前，因为知乎的一些回答，最近总有私信问我怎么用VBA抓网，我基本没有回复。因为这个问题太大了，有基础知识的人其实很容易自己在百度或者ExcelHome论坛上找到答案。我不需要说什么。对于没有基础知识的人来说，是不可能三言两语解决问题的。我不想把私信变成聊天窗口。趁着开专栏知乎的机会，来仔细解释一下这个问题。

　　我对Excel和VBA的了解有限，只能解决我遇到的一些问题，不一定适用于所有场景。以下内容基于对VBA基本用法和HTML语言知识的了解：

　　一、前期准备

　　据我所知，VBA 不能操作任何浏览器和网页。我们所能做的就是在IE上执行一些操作，是的，只有IE。不要告诉我电脑上没有IE，所以你可以退出Sub。就像在Python中使用import，在C#中使用一样，VBA也需要引用一些库来操作IE，不过好在它是微软的产品，所以我们可以很方便的使用VBA自带的一些库。

　　我们需要做的第一件事是在 VBA 中引用 Micorsoft Internet Controls。通过查看这个名称，我们知道它可以帮助我们控制 IE 页面。

　　二、网页操作

　　引用 Micorsoft Internet Controls 后，我们可以对页面做任何我们想做的事情，但是我们需要在主页上有一个页面，上帝说我们需要一个页面！

　　1、打开网页

　　我们以在百度上搜索“查虎”关键词为例：

　　 With CreateObject("internetexplorer.application")

.Visible = True

.Navigate "https://www.baidu.com/s?wd=扯乎"

'关闭网页

' .Quit

End With

　　代码很简单，先创建一个IE对象，然后给一些属性赋值。Visible就是可见性，是指网页被操作时是否会看到网页。熟练后可以设置为False，这样不仅让程序在运行时有一种神秘感（而不是），而且速度也快了一点。

　　但是有一点要记住，这个网页在我们打开后并没有关闭，这意味着程序结束后需要手动关闭它。如果网页不可见，则无法手动关闭。代码中的注释部分用于关闭网页。不用说，导航就是 URL。

　　我们必须等待网页完全加载，然后才能开始信息抓取。这时候，我们使用：（从这里开始，所有的代码都需要写在With代码块中）

　　 While .ReadyState 4 Or .Busy

DoEvents

Wend

　　Busy 是网页的繁忙状态，ReadyState 是 HTTP 的五种就绪状态，对应如下：

　　2、获取信息

　　我们先抓取页面上的所有内容，稍后过滤掉有用的部分，然后慢慢添加条件到抓取中。

　　 Set dmt = .Document

For i = 0 To dmt.all.Length - 1

Set htMent = dmt.all(i)

With ActiveSheet

.Cells(i + 2, "A") = htMent.tagName

.Cells(i + 2, "B") = TypeName(htMent)

.Cells(i + 2, "C") = htMent.ID

.Cells(i + 2, "D") = htMent.Name

.Cells(i + 2, "E") = htMent.Value

.Cells(i + 2, "F") = htMent.Text

.Cells(i + 2, "G") = htMent.innerText

End With

Next i

　　这段代码有点类似于JS，需要从IE.Document.all中找出页面上的所有节点。还有其他几种方法：

　　这些更方便用于在抓取所有页面内容后帮助过滤有效信息。当然 all 最好用，因为 all 也有 all ("IDName") 和 all.IDName 的用法。

　　上面代码部分返回的属性值都是基本的HTML内容，就不一一解释了。

　　3、填写信息

　　爬网神器当然是Python。大多数人使用Excel自动填写页面内容，直接将表单提交到网页，省去了问卷录入等大量工作。抓取页面内容后，填充起来就更容易了。你只需要直接给页面标签的Value属性赋值即可。

　　但是，除了文本框，可能还有其他没有Value的标签，比如下拉菜单和单选按钮。给这些内容赋值需要一些基本的HTML知识。

　　'下拉菜单选择

.all("select")(0).Selected = True

'单选按钮选择

.all("radio").Checked = True

'复选按钮选择

.all("checkbox").Checked = True

　　下拉菜单是一个select标签，每个选项都在一个option标签中，所以要返回一个集合，需要选择一个选项，将对应的Selected属性修改为True。单选按钮和复选按钮都是输入标签。不同的是类型分别是radio和checkbox。要选择一个选项，您需要修改相应的 Checked 属性。

　　三、数据接口

　　有时我们可以直接获取一些API。当然，通过API返回数据比打开网页更方便快捷，使用的方法也有些不同。

　　1、请求接口

　　比如我得到了一个可以从网上查询到城市免费WIFI的API，我用下面的代码通过Excel界面访问：（虽然是免费的，为了避免麻烦，我还是隐藏了我的A*敏*感*词*ey）

　　 Dim http

Set http = CreateObject("Microsoft.XMLHTTP")

http.Open "GET", "http://api.avatardata.cn/Wifi/QueryByCity", False

http.setRequestHeader "CONTENT-TYPE", "application/x-www-form-urlencoded"

http.send "key=[A*敏*感*词*ey]&city=北京&page=1"

　　这时候我们创建的对象不再是IE，而是HTTP对象。这里使用的是ajax的Open方法，GET为数据发送方法，第二个参数为接口地址，第三个参数指定请求方法是否异步。如果这个API有账号和密码，就写在第四个和第五个参数中。

　　setRequestHeader是向接口发送一个HTTP协议头文件，最后发送的内容就是接口参数。当然，这个QueryString也可以直接写在URL中，发送一个空字符串即可。

　　2、接口返回

　　接口返回和获取的方式很简单：

　　 If http.Status = 200 Then Range("A1").Value = http.responseText