按键精灵附源码 网页数据采集填入excel脚本如何实现？

平常办公中经常需要从网页上摘取信息，填入excel，如果采集的信息多的话，还真是费时费力。那么这项工作如何让按键精灵来帮你搞定呢？往下看……

脚本大致分为两个部分：获取网页上的信息，把信息填入EXCEL表格
1、打开浏览器，进入目标网站
2、提取网页的信息，解析出需要的标题、链接、作者、时间等信息
3、打开EXCEL表格，填入对应的信息

（插件可到原文中下载）

1、【神梦填表】插件是用来对IE、Chrome浏览器进行操作的命令库，先来看下这次会用到的命令

插件中的方法有很多，详细的命令使用方法和范例可以下载插件后在帮助文件里查看。

2、【懒人Office】插件中用到了读写EXCEL命令的，相关命令可以相行百度一下相关的教程.

先获取下界面上的一些配置信息。

1. // 初始化配置
   

2. Dim ChromePath, ExcelPath
   

3. // 这里需要换成自己本机上的谷歌浏览器路径
   

4. ChromePath = "C:\Program Files\Google\Chrome\Application\chrome.exe"
   

5. ExcelPath = Form1.BrowseBox1.Path

通过插件来打开浏览器并且等待网页的加载完成。

1. // 打开谷歌浏览器
   

2. ret = 神梦_网页填表.谷歌_启动(ChromePath)
   

3. If ret = "" Then
   

4. TracePrint "启动失败，请先彻底关闭谷歌浏览器，再启动脚本！"
   

5. ExitScript
   

6. Else
   

7. TracePrint "启动成功！"
   

8. End If
   

9. // 等待网页的加载完成 换成你需要的地址
   

10. Call 神梦_网页填表.方法_网页打开("http://it-club.cn")
    

11. Do
    

12. Delay 500
    

13. Loop Until 神梦_网页填表.方法_取状态() = 4

接下来就开始获取网页里帖子的信息了，需要先来获取一下帖子的数量，这里是用执行JS的方法来获取的。

1. // 通过执行JS来获取当页帖子的数量
   

2. Dim PostCount
   

3. PostCount = Cint(神梦_网页填表.网页_执行JS(1, "return document.getElementsByClassName('ordinarytheme').length"))
   

4. TracePrint PostCount

通过分析网页的结构，可以发现每条帖子所需要的信息都是在一个tbody标签里的，所以我们可以获取每个tbody里的内容，然后用正则表达式来解析获取出想要的信息。

先来编写一个正则解析的函数，因为按键精灵本身没有相关的命令，所以我们需要借助VBS的功能来实现（按键精灵和VBS有比较高的兼容性，可以运行大部分的VBS代码）。

1. Function RegexFindM(FindExp, FindText)
   

2. Dim RegEx, Matches, Match
   

3. Set RegEx = New RegExp
   

4. RegEx.IgnoreCase = true
   

5. RegEx.Pattern = FindExp
   

6. Set Matches = regEx.Execute(FindText)
   

7. If Matches.Count > 0 Then
   

8. If Matches(0).SubMatches.Count > 0 Then
   

9. RegexFindM = Matches(0).SubMatches(0)
   

10. End If
    

11. End If
    

12. Set Matches = Nothing
    

13. Set RegEx = Nothing
    

14. End Function

现在就可以通过遍历每个帖子的元素内容解析出想要的信息了。

1. // 遍历每个帖子
   

2. Dim HTML
   

3. For i = 13 To PostCount + 12
   

4. HTML = 神梦_网页填表.网页_取元素信息("html", "//*[@id='threadlist']/tbody[" & i & "]")
   

5. 
   

6. PostTitle = RegexFindM("<a .+ href=""/showtopic-.*?.aspx"">([^<]*?)</a>", HTML)
   

7. PostUrl = RegexFindM("<a .+ href=""(/showtopic-.*?.aspx)"">[^<]*?</a>", HTML)
   

8. PostUser = RegexFindM("<a href=""/userinfo-.*?.aspx"">([^<]*?)</a>", HTML)
   

9. PostDate = RegexFindM("<em>(\d\d\d\d-\d\d-\d\d \d\d:\d\d)</em>", HTML)
   

10. PostUrl = "http://bbs.anjian.com" & PostUrl
    

11. TracePrint PostTitle & ", " & PostUrl & ", " & PostUser & ", " & PostDate
    

12. 
    

13. Delay 500
    

14. Next

信息获取到了，那我们还得写到EXCEL表格里呢，所以得小小的改动下这个代码，加上写入表格的功能，这样全部功能就实现了