VBA/DOM - 根据属性获取元素

Question

Windows 7 上的 Excel 2013。XPath/Javascript/jQuery 超出范围。

我正在尝试迭代页面中选择的 div 元素，即具有特定 data-level 属性的元素。

我当前的方法是 similar to this ，但我无法找到一种非手动方式来根据属性选择元素。我最接近的是这样的:

With CreateObject("WINHTTP.WinHTTPRequest.5.1")
    .Open "GET", url, False
    .Send
    pHTML.body.innerHTML = .ResponseText
End With

Set eCollection = pHTML.getElementsByClassName("chapter").getElementsByTagName("div")

For i = 0 To eCollection.Length
    If eCollection(i).getAttribute("data-level") >= 0 Then ' Throw cake
Next i

虽然我确信它是可行的(如果不优雅)，但如果仅考虑当我开始在 中查找特定元素和元素序列时循环最终将有多大，那么它似乎不是最佳的这些元素。

所以我正在寻找一种方法来做这样的事情:

For Each pElement In pHTML.getElementsByClassName("chapter").getElementsByTagName("div").getElementsByAttribute("data-level")
    ' Throw cake at the element
Next

我知道没有方法 getElementsByAttribute，因此出现了问题。
这里是否有一些我看不到的方法，或者我是否被锁定为手动迭代？

或者，如果我改变当前创建 IE 实例的方法，就像 this answer ，我可以使用 querySelectorAll 来得到类似于我上面概述的结果吗？

Answer 1

对于其他人来说，可以说，外壳看起来像这样:

Sub ScrapeWithHTMLObj(url As String, domClassName As String, domTag As String, domAttribute As String, domAttributeValue As String)
    ' Dependencies:
    ' * Microsoft HTML Object Library

    ' Declare vars
    Dim pHTML As HTMLDocument
    Dim pElements As Object, pElement As Object

    Set pHTML = New HTMLDocument

    ' Basic URL healthcheck
    Do While (url = "" Or (Left(url, 7) <> "http://" And Left(url, 8) <> "https://"))
        MsgBox ("Invalid URL!")
        url = InputBox("Enter new URL: (0 to terminate)")
        If url = "0" Then Exit Sub
    Loop

    ' Fetch page at URL
    With CreateObject("WINHTTP.WinHTTPRequest.5.1")
        .Open "GET", url, False
        .Send
        pHTML.body.innerHTML = .ResponseText
    End With

    ' Declare page elements
    Set pElements = pHTML.getElementsByClassName(domClassName)
    Set pElement = pElements(0).getElementsByTagName(domTag)

    ' Extract only elements with wanted attribute
    pEleArray = getElementsByAttribute(pElement, domAttribute, domAttributeValue)

    For Each e In pEleArray
        ' Do stuff to elements
        Debug.Print e.getAttribute(domAttribute)
    Next
End Sub

如果你走这条路，你还需要这样的东西:

Function getElementsByAttribute(pObj As Object, domAttribute As String, domAttributeValue As String) As Object()
    Dim oTemp() As Object
    ReDim oTemp(1 To 1)

    For i = 0 To pObj.Length - 1
        'Debug.Print pObj(i).getAttribute(domAttribute)
        If pObj(i).getAttribute(domAttribute) = domAttributeValue Then
            Set oTemp(UBound(oTemp)) = pObj(i)
            ReDim Preserve oTemp(1 To UBound(oTemp) + 1)
        End If
    Next i

    ReDim Preserve oTemp(1 To UBound(oTemp) - 1)

    getElementsByAttribute = oTemp
End Function

显然，根据 HTML 树的不同，您需要更改子目录中将哪些元素归零。对于我在测试中使用的网站，这种结构运行得非常完美。

用法示例:
调用 ScrapeWithHTMLObj("https://somesite", "chapter-index", "div", "data-level", "1")

它会进入第一个名为chapter-index的类，选择所有带有div标签的元素，最后提取所有包含属性data-level的元素 值为 1。