使用 vbscript 从 html 代码中检索数据

Question

我有一个问题 - 我有一个 URL：like (http:://exampl.com/example)，当我在浏览器中打开此页面时，我看到一个包含不同值的表格。这是一个 HTML 代码：

<p>
<table>
<tr><td>RegistrationDTO.setUsername</td>
<td>0</td>
<td>0</td>
<td>1</td>
<td>1</td>
</tr>
<tr><td>RegistrationDTO.getLastName</td>
<td>0</td>
<td>0</td>
<td>3</td>
<td>3</td>
</tr>
<tr><td>RegistrationDTO.getPersonalNumber</td>
<td>0</td>
<td>0</td>
<td>3</td>
<td>3</td>
</tr><tr>
<td>RegistrationDTO.getFirstName</td>
<td>16</td>
<td>16</td>
<td>3</td>
<td>3</td>
</tr>
<tr><td>RegistrationDTO.register</td>
<td>1068</td>
<td>1068</td>
<td>1</td>
<td>1</td>
</tr>

我需要从这个表中获取 RegistrationDTO.register = '1068'（第一个）的值。

我该怎么做？请帮忙！

Answer 1

有两种方法可以从 HTML 中获取信息。两者都在这里演示：

Option Explicit

Dim goFS : Set goFS = CreateObject("Scripting.FileSystemObject")

Const csURL             = "http://gent/16584664.html"                 ' 'real' const
Dim   csFSpec : csFSpec = goFS.GetAbsolutePathName(".\16584664.html") ' 'pseudo' const

' use comment or order to select a strategy
WScript.Quit useDom()
WScript.Quit useRegExp()

Function useRegExp()
  Dim sAll  : sAll      = goFS.OpenTextFile(csFSpec).ReadAll()
  Dim reCut : Set reCut = New RegExp
  reCut.Global  = True
  reCut.Pattern = "RegistrationDTO.register</td>\s+<td>(\d+)</td>"
  Dim oMTS  : Set oMTS  = reCut.Execute(sAll)
  If 1 = oMTS.Count Then
     WScript.Echo "success:", oMTS(0).SubMatches(0)
  Else
     WScript.Echo "failure"
  End If
  useRegExp = 0
End Function ' useRegExp

Function useDom()
  Dim oDOM  : Set oDOM = CreateObject("HTMLFILE")
' Dim sHTML : sHTML    = getURL(csURL)
  Dim sHTML : sHTML    = goFS.OpenTextFile(csFSpec).ReadAll() ' for testing
  oDOM.write sHTML
  ' descending the tree                HTML          BODY         TABLE         TBODY       5th row       2nd col
  Dim oItem : Set oItem = oDOM.childNodes(0).childNodes(1).childNodes(0).childNodes(0).childNodes(4).childNodes(1)
  ' WScript.Echo "success:", oItem.tagName ' drill down help
  WScript.Echo "success:", oItem.innerHTML
  ' WScript.Echo "success:", oItem.parentNode.childNodes(2).innerHTML ' verification
  useDom = 0
End Function ' useDom

Function getURL(sURL)
  Dim oHTTP : Set oHTTP = CreateObject("Msxml2.XMLHTTP")
  oHTTP.Open "GET", csURL, False
  oHTTP.Send
  If 200 = oHTTP.Status Then
     getURL = oHTTP.responseText
  Else
     ' handle error
  End If
End Function ' getURL

输出：

cscript 16584664.vbs
success: 1068

RegExp 方法显然预先假定您可以定义一个模式来唯一标识所需的部分。 DOM 方法不适用于错误的 HTML，如果您必须按位置获取所需的项目（如本例中），则可能会很笨拙。两者都对 HTML 的变化很敏感。

附言

csFSpec 是一个包含给定示例 HTML 的文件（完整路径），该文件包含在必要的标记中以使其合法。为了进行测试，您可以从浏览器中将页面另存为。

如果您将 csURL 设置为正确的 URL 并激活 useDom() 函数中的 getURL() 行，则不需要该文件。

附言

为了应对 Emil 在他的其他问题（可能很快将被删除）中给出的略有不同的 HTML，我不得不将 RegExp 模式从：

reCut.Pattern = "RegistrationDTO.register</td>\s+<td>(\d+)</td>"

到：

reCut.Pattern = "RegistrationDTO.register</td>\s*<td>(\d+)</td>"

处理空白（更通用，因此更好，应该从一开始就这样做）

以及从以下位置向下钻取：

' descending the tree                HTML          BODY         TABLE         TBODY       5th row       2nd col
Dim oItem : Set oItem = oDOM.childNodes(0).childNodes(1).childNodes(0).childNodes(0).childNodes(4).childNodes(1)

到：

  ' descending the tree                HTML          BODY             P        TABLE         TBODY       6th row       2nd col
  Dim oItem : Set oItem = oDOM.childNodes(0).childNodes(1).childNodes(0).childNodes(0).childNodes(0).childNodes(5).childNodes(2)

考虑额外的 P 和更改的行数。

这说明了我上面提到的两种策略的脆弱性。 @Ansgar 循环（希望）稳定的集合并进行比较的方式在这里可能会有所帮助。

Answer 2

试试这样的：

Set ie = CreateObject("InternetExplorer.Application")
ie.Navigate "http://example.com/example"
While ie.Busy : WScript.Sleep 100 : Wend

For Each tr In ie.document.getElementsByTagName("tr")
  If InStr(tr.innerText, "RegistrationDTO.register") > 0 Then
    Set row = tr
  End If
Next

WScript.Echo row.children(1).innerText

ie.Quit

---

对于故障排除，要检查脚本实际看到的内容，请尝试以下操作：

Set ie = CreateObject("InternetExplorer.Application")
ie.Visible = True
ie.Navigate "http://example.com/example"
While ie.Busy : WScript.Sleep 100 : Wend
Set fso = CreateObject("Scripting.FileSystemObject")
fso.OpenTextFile("C:\debug.html", 2, True).Write ie.document.body.innerHtml

检查C:\debug.html 是否确实包含有问题的表格元素。