excel - 如何访问表中的数据？

Question

表格1:

表2:

我正在尝试从网站上的表格中抓取数据。
有两个表具有相同的表类名称，但不同的 id。
我需要从 ID 为“option”的表中提取数据。

Sub hsiotpions()
    Dim ieObj As InternetExplorer
    Dim htmlEle As IHTMLElement
    Dim i As Integer
    
    i = 1
    
    Set ieObj = New InternetExplorer
    ieObj.Visible = False
    ieObj.navigate "https://www.hkex.com.hk/Market-Data/Futures-and-Options-Prices/Equity-Index/Hang-Seng-Index-Futures-and-Options?sc_lang=en#&product=HSI"
    
    Application.Wait Now + TimeValue("00:00:05")
    
    For Each htmlEle In ieObj.document.getElementById("option").getElementByTagName("tr")
        With ActiveSheet
            .Range("A" & i).Value = htmlEle.Children(0).textContent
            .Range("B" & i).Value = htmlEle.Children(1).textContent
            .Range("C" & i).Value = htmlEle.Children(2).textContent
            .Range("D" & i).Value = htmlEle.Children(3).textContent
            .Range("E" & i).Value = htmlEle.Children(4).textContent
            .Range("F" & i).Value = htmlEle.Children(5).textContent
            .Range("G" & i).Value = htmlEle.Children(6).textContent
            .Range("H" & i).Value = htmlEle.Children(7).textContent
            .Range("I" & i).Value = htmlEle.Children(8).textContent
            .Range("J" & i).Value = htmlEle.Children(9).textContent
            .Range("K" & i).Value = htmlEle.Children(10).textContent
            .Range("L" & i).Value = htmlEle.Children(11).textContent
        End With
        
        i = i + 1
        
    Next htmlEle

End Sub

Answer 1

您可以使用 id 来选择表。请务必正确处理第 4 列和第 8 列，以便将其写入工作表。

在您的代码中，您有一个错误，您不使用复数:

getElementByTagName("tr")

那应该是

getElementsByTagName("tr")

它返回一个集合。

表体的行实际上具有相同的类名，我使用下面的行来循环行。

我不喜欢硬编码的等待时间，但是由于我目前看不到页面完全加载时的良好指标，因此您可以调整以下行，直到获得所有行

Application.Wait Now + TimeSerial(0, 0, 10)

end 参数是以秒为单位的等待时间。

Option Explicit    
Public Sub GetTable()
    Dim ws As Worksheet, ie As Object, table As Object, headers()
    Dim headersTop As Object, ele As Object

    Set ws = ThisWorkbook.Worksheets("Sheet1")
    Set ie = CreateObject("InternetExplorer.Application")
    headers = Array("OI", "Volume", "IV", "Bid/Ask", "Last", "Strike", "Last", "Bid/Ask", "IV", "Volume", "OI")  '<== This is second row of headers

    With ie
        .Visible = True
        .Navigate2 "https://www.hkex.com.hk/Market-Data/Futures-and-Options-Prices/Equity-Index/Hang-Seng-Index-Futures-and-Options?sc_lang=en#&product=HSI"

        While .Busy Or .readyState < 4: DoEvents: Wend

        Application.Wait Now + TimeSerial(0, 0, 10)

        Set table = .document.querySelector("#option")
        Set headersTop = .document.querySelectorAll("#option tr:first-child th")  '<== This is top row of headers which involves merged table cells. I prepare the excel sheet in the same way in the code below.
        ws.Range("A1:D1").Merge
        ws.Range("A1").Value = headersTop.item(0).innerText  ' CALL
        ws.Range("E1:G1").Merge
        ws.Range("E1") = headersTop.item(1).innerText  '< Date
        ws.Range("H1:K1").Merge
        ws.Range("H1") = headersTop.item(2).innerText  '< PUT
        ws.Cells(2, 1).Resize(1, UBound(headers) + 1) = headers
        Dim r As Long, c As Long, td As Object, tr As Object
        r = 3
        For Each tr In table.getElementsByClassName("tdrow") 'loop the rows below the headers by using class name to isolate
            c = 1
            For Each td In tr.getElementsByTagName("td") '< loop table cells i.e. columns of rows
                ws.Cells(r, c) = IIf(c Mod 4 = 0, "'" & td.innerText, td.innerText)  '< If column number is 4 or 8 then add "'" in front so formatting preserved
            c = c + 1
            Next
            r = r + 1
        Next
        .Quit
    End With
End Sub

CSS 选择器:

我正在使用 css selectors最初。现代浏览器针对使用 css(管理页面样式)进行了优化。我们通过 querySelector 应用 css 选择器和 querySelectorAll 在这种情况下， ie.document 的方法.

这是 #option tr:first-child th正在选择:



您可以看到它是顶级标题。由于表格中实际上有比这更多的列，我们知道我们已经合并了单元格。

由于我们想要多个标题，我们使用 querySelectorAll方法，而不是 querySelector返回单个元素，返回 nodeList由 ("") 中的选择器指定的匹配元素。然后通过从 0 开始的索引访问 nodeList 中的项目。

表体:

我已经通过 id 检索了感兴趣的表

Set table = .document.querySelector("#option")

# 是一个 css id 选择器，在语义上等价于:

Set table = .document.getElementById("option")

只是，除了非常旧的 IE 版本之外，css 选择器方法应该会更快。

当我们有表时，我们知道行是 tr元素和 td是表格单元格(列)。

查看我们的 table 中的表格行变量你看到我们有两个不同长度的标题:



这就是为什么我选择不循环这些试图写出的原因。底行的值是静态的，所以我将它们放在数组变量 headers 中写出来。第一行有一个动态的日期值，所以我使用 css 选择器自行检索该行:

Set headersTop = .document.querySelectorAll("#option tr:first-child th")

并索引到返回的 nodeList 以将项目放置在一个网页布局所指示的各种合并单元格中。

但请注意，表体行都具有相同的类名:



因此，我通过在表行上使用类名来选择这些:

For Each tr In table.getElementsByClassName("tdrow")

然后我循环这些行中的列:

For Each td In tr.getElementsByTagName("td")

因为第 4 列和第 8 列的格式 Excel 将尝试将您作为日期/分数处理，您想在前面添加“'”以保留格式:

ws.Cells(r, c) = IIf(c Mod 4 = 0, "'" & td.innerText, td.innerText)