Récupération de données HTML

**SkyCorp** · 09/10/2015, 10h44

Bonjour à tous,

Je souhaite récupérer des données d'un site web et les retranscrire sur Excel.
Je l'ai déjà fait sur un autre site, mais là je bloque sur la partie récupération de données.
Voici le code HTML de la partie qui m'intéresse :

Code html :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
<div id="fiche_entreprise">
	<table width="600">
		Info non pertinante
	</table>
 
	<h4>Catégorie 1</h4>
	<table class="table">
		<tr>
			<td class="fiche_tdhead">Sous-catégorie 1.A</td>
			<td>Donnée 1.A</td>
		</tr>
		<tr>
			<td class="fiche_tdhead">Sous-catégorie 1.B</td>
			<td>Donnée 1.B</td>
		</tr>
		<tr class="highlight">
			<td class="fiche_tdhead">Sous-catégorie 1.C</td>
			<td>Donnée 1.C</td>
		</tr>
	</table>
 
	<H4>Catégorie 2</H4>
	<table class="table">
		<tr class="highlight">
			<td class="fiche_tdhead">Sous-catégorie 2.A</td>
			<td>Donnée 2.A</td>
		</tr>
	</table>
 
	<h4>Catégorie 3</h4>    
	<table class="table chiffres">
		<thead>
			<tr>
				<th style="font-style: italic;"></th>
				<th class="text-right">
					<a href="/produits/520231929/2014/">2014</a>
				</th>
				<th class="text-right">
					<a href="/produits/520231929/2013/">2013</a>
				</th>
				<th class="text-right">
					<a href="/produits/520231929/2012/">2012</a>
				</th>
			</tr>
		</thead>
		<tbody>
			<tr><td class="">Sous-catégorie 3.A</td>
				<td class="text-right">Donnée 3.A.1</td>
				<td class="text-right">Donnée 3.A.2</td>
				<td class="text-right">Donnée 3.A.3</td>
			</tr>
			<tr class="highlight"><td class="label">Sous-catégorie 3.B</td>
				<td class="text-right">Donnée 3.B.1</td>
				<td class="text-right">Donnée 3.B.2</td>
				<td class="text-right">Donnée 3.B.3</td>
			</tr>
		</tbody>
	</table>
 
	<table class="table actionnaire">
		<tbody>
			Pas d'info
		</tbody>
	</table>
 
	<h4>Catégorie 5</h4>
	<div id="verif_fiche_entreprise_actionnaires_filiales_coeur">
		<table class="table" cellspacing="0" cellpadding="0" border="0" width="598">
			<thead>
				<tr class="verif_fiche_entreprise_bold">
					<th class="verif_labeltbl">Adresse</th>
					<th class="verif_labeltblbis"><span class="verif_bordbl">Téléphone</span></th>
					<th class="verif_labeltblbis"><span class="verif_bordbl">Fax </span></th>
					<th class="verif_labeltblbis"><span class="verif_bordbl">Statut</span></th>
				</tr>
			</thead>
			<tbody>
				<form action="/etablissements-secondaires//" method="POST" name="etab" id="verif_idetab">
					<input type="hidden" name="nic" id="verif_idNIC" value="">
				</form>
				<tr class="highlight">
					<td height="30">
						<span class="verif_repsbeltbl"> Rue </span><br/>
						<span class="verif_repsbeltbl">CP + Ville</span>
					</td>
					<td class="verif_bordbl">N.C.</td>
					<td class="verif_bordbl">N.C.</td>
					<td class="verif_bordbl">Actif</td>
				</tr>
			</tbody>
		</table>
	</div>
</div>

Pour l'instant, j'ai pu récupérer les noms des catégories, présents dans les balises h4.
Mais je bloque sur les sous-catégories et les données, sachant que je veux associer les sous-catégories aux catégories (donc pas de récupération de l'ensemble des balises td d'un bloc, mais plutôt en partant sur une boucle For j = 1 To Nb_Categories)

J'avais pensé au children(), mais le nombre de balises h4 n'est pas toujours identique au nombre de balises table suivant la page scannée (par exemple, ici, il n'y a pas de catégorie 4).

J'avais également pensé regroupé le contenu de chaque <table> dans une variable object du style TagHtml_table(3) = contenu du 4ème bloc table, et donc de la 3ème catégorie, mais je ne sais pas comment faire.

Quelqu'un a-t-il une idée pour m'aider à sortir de cette impasse ?
Merci d'avance

Je tente le code suivant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
Set mon_elem = IEDoc.all("fiche_entreprise")
For j = 1 To nbCat
    Set TagHtml_tr = mon_elem.Children(1 + j).all   'Pour j=1, on liste la 1ère balise table
    Set TagHtml_tr = TagHtml_tr.getElementsByTagName("tr") 'On liste les éléments de type tr (chaque balise <tr ...> contient le nom d'une sous-catégorie et la donnée correspondante)

Ce n'est pas optimisé, mais je n'effectue pour l'instant le test que sur j=1

Pourquoi ai-je une erreur

Propriété ou méthode non gérée par cet objet

sur la dernière ligne ?

**patricktoulon** · 09/10/2015, 12h39

bonjour
décdement c'est pas encore bien rentré dan ta tete
ici tu cherche une ligne dans une ligne

c'est un peu chercher du chocolat dans du chocolat

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

Set TagHtml_tr = TagHtml_tr.getElementsByTagName("tr")

et puis vu la structure du code html que tu a posté c'a n'est pas comme ca qu'il faut procéder
car chaque balises "H4" n'est pas le parent de la table il te faut donc astucer numeriquement dans le decompte dans une boucle
pour faire en sorte que le h4(1) corresponde a la table (1) etc......

il me semble te l'avoir expliqué non?

bon j'ai copier le code html dans un fichier en local pour l'experience
ca donne ca

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
Sub test()
Dim ie, url, iedoc
url = "C:\Users\polux\Desktop\wwww.html"
 Set ie = CreateObject("internetexplorer.application")
 ie.navigate url
 ie.Visible = True
 
 Do: DoEvents: Loop While ie.readystate <> 4 Or ie.busy
 Set iedoc = ie.document
 
 Set mondiv = iedoc.getelementbyid("fiche_entreprise")
 Set mestitreh4 = mondiv.getelementsbytagname("H4")
 Set mestables = mondiv.getelementsbytagname("table")
   For i = 0 To mestitreh4.Length - 1
 MsgBox mestitreh4(i).innertext & vbCrLf & mestables(i + 1).innertext
'ici faire une sous boucle sur les enfants de la tables pour recupérer un element ou un autre 
Next
  End Sub

**SkyCorp** · 09/10/2015, 13h22

Alors là, je ne comprends plus. Il me semblait avoir essayé de passer par

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

Set mestables = mondiv.getelementsbytagname("table")

, mais avoir abandonné suite à un message d'erreur...
Et pourtant, j'avais procédé de la sorte pour la balise h4

La fatigue peut-être, à force de rester sur ce fichier...

C'est bon, j'ai bien ma liste de table à présent

En tout cas, merci beaucoup pour ton aide et pour me remettre les esprits en place

Comme quoi c'est toujours utile d'avoir un regard extérieur

Récupération de données HTML [XL-2010]

Macros et VBA Excel

Vue hybride

Discussions similaires

Partager

Partager