VBA 从包含空格的 HTML 中检索数据

Question

这是相关的 HTML 代码。

<tr style="background-color: #f0f0f0">
<td> </td><td> a</td><td>a </td><td>  </td><td>&nbsp;</td>
</tr>

这是 VBA 代码。

sub gethtmlspace() 

Dim trObj As MSHTML.HTMLGenericElement
Dim tdObj As MSHTML.HTMLGenericElement
Dim aRes As Variant, bRes As Variant
Dim temp1 As Long, Temp2 As Long, temp3 As Long, Temp4 As Long
Dim oDom As Object: Set oDom = CreateObject("htmlFile")
Dim oRow As MSHTML.IHTMLElementCollection, oCell As MSHTML.IHTMLElementCollection

temp1 = 0
Temp2 = 0

    With CreateObject("MSXML2.ServerXMLHttp")
        .Open "GET", "https://docs.google.com/spreadsheets/d/1Yh6WlJTDxbOLPVaVgzn_mk2OAKYVUYgfnT5Wz-8odi4/gviz/tq?tqx=out:html&tq&gid=1", False
        .send
        oDom.body.innerHTML = .responseText
    End With

Set oRow = oDom.getElementsByTagName("TR")
    ReDim aRes(0 To oRow.Length - 1, 0 To oRow(0).getElementsByTagName("TD").Length - 1)
    For Each trObj In oRow
        Set oCell = trObj.getElementsByTagName("td")
        For Each tdObj In oCell
            aRes(temp1, Temp2) = tdObj.innerText
            Temp2 = Temp2 + 1
        Next tdObj
        Temp2 = 0
        temp1 = temp1 + 1
    Next trObj

end sub

我希望 aRes 数组包含 HTMLcode 中的确切值，即

aRes(1,0) 应该等于一个空格“”我的结果是空的，即“”

aRes(1,1) 应该等于一个空格和字符a " a"我的结果得到的只有一个 "a"

aRes(1,2) 应该是 "a "这个被正确检索了。

aRes(1,3) 应等于两个空格“”我的结果为空即“”

aRes(1,4) 应该等于空我的结果得到一个空格即“”

我知道我可以使用正则表达式来完成任务。 但是，我想使用 getelementsbytagname 方法以简单的方式进行。

我尝试了 innerhtml、outertext、outerhtml、textcontent 而不是 innertext。 但没有运气。 我还用谷歌搜索了关键字，例如带间距的内部文本、getelementsbytagename 属性。 也没有运气。

有人可以帮忙吗？ 太感谢了。

Answer 1

你本身不能。 HTML 解析器决定哪些空格是有用的，哪些需要保留，哪些需要删除。 稍后我会添加一些参考（如果我能找到的话），但就像在浏览器引擎中一样，在 HTML 解析器中有一些规则可以确定哪些空白字符是有用的。

请记住：

“空白”是一个集体名词

涵盖可能以不同方式处理的各种字符。

比较您的responseText在通过 HTML 解析器后会发生什么：

查看确定无用的空格是如何被删除的。 你不能使用HTMLfile的方法来获得你想要的结果，因为当 HTML 被解析时已经太晚了； 并且没有后期绑定HTMLFile或早期绑定MSHTML.HTMLDocument的设置会改变这一点。 您必须首先查看其他字符串操作。 例如，您可以使用 html 实体 对Chr$(32)的.responseText执行 replace$。 . 或者，正如您提到的，使用正则表达式来进行一组更有效的替换。

您可以使用以下方法生成上述图像输出：

Option Explicit

Public Sub ExamineHtmlWhenParsed()
    Dim oDom As Object: Set oDom = CreateObject("htmlFile")

    With CreateObject("MSXML2.ServerXMLHTTP")
        .Open "GET", "https://docs.google.com/spreadsheets/d/1Yh6WlJTDxbOLPVaVgzn_mk2OAKYVUYgfnT5Wz-8odi4/gviz/tq?tqx=out:html&tq&gid=1", False
        .send
        oDom.body.innerHTML = .responseText
        WriteTxtFile .responseText, "C:\Users\User\Desktop\input.txt"
        WriteTxtFile oDom.body.innerHTML, "C:\Users\User\Desktop\parsed.txt"
    End With

End Sub

 Public Sub WriteTxtFile(ByVal aString As String, ByVal filePath As String)
    Dim fso As Object, Fileout As Object
    Set fso = CreateObject("Scripting.FileSystemObject")
    Set Fileout = fso.CreateTextFile(filePath, True, True)
    Fileout.Write aString
    Fileout.Close
End Sub

这给出了浏览器空白处理的一个有效示例。

这个在css的内容里讨论。

VBA HTML 解析器将比当前的 HTML5 生活标准更旧，但当前的标准就在这里。 您可以查看对此问题的回答和相关评论，例如：

@JasonWoof： HTML5 规范规定浏览器应该只折叠 5 个 (ascii) 空白字符（空格、制表符、cr、lf、ff）。