Récupération d'informations dans des pages HTML

Version imprimable

14/11/2014, 00h55
Nicofromlyon

Récupération d'informations dans des pages HTML

Bonjour à tous,

Je vous explique ma problématique :

J'ai un repertoire C:\CLIENTS qui contient des sous répertoires du type 1, 2, 9, 32, ,...60000.

Les sous-répertoires portent comme nom un numéro et tous les numéros ne se suivent pas, il y en a qui manquent. Cela part de 1 et cela va jusqu'à 60000.

Donc :

C:\CLIENTS\1
C:\CLIENTS\2
C:\CLIENTS\9
...
C:\CLIENTS\60000

A l'intérieur de ces sous-dossiers, j'ai une voire plusieurs pages HTML qui portent des noms différents à chaque fois, comme par exemple ALBERT DUPONT.html, MAURICE RAVEL.html etc.

Aucune logique dans les noms, c'est aléatoire.

A l'intérieur de ces pages HTML, il y a du code et notamment des lignes affichant un NOM et PRÉNOM, une société, une adresse, un code postal, une ville, un tel, un fax , un email et une adresse de site web.

Je souhaite créer une macro VBA capable de parcourir chacun des sous-répertoires du dossier parent C:\CLIENTS, et d'extraire dans chaque page HTML les informations qui m'intéressent et qui sont encadrées chaque fois par les mêmes balises, pour me les mettre dans un fichier Excel dans les bonnes colonnes NOM, PRÉNOM, SOCIETE, ADRESSE, CP, VILLE, TEL, FAX, EMAIL, WEB.

Je pense que c'est possible, j'ai commencé mais c'est une usine a gaz, la macro est très lente, ça plante souvent et j'ai des infos qui sautent. Bref, c'est la galère.

Une idée ?

Merci à vous tous et excellente soirée.
14/11/2014, 09h48
Jean-Philippe André

Bonjour,

d'un certain point de vue, c'est normal que se balader dans près de 60000 dossiers prenne du temps :aie:

Le mieux serait que tu nous montres ton code actuel pour qu'on puisse te donner des pistes d'amélioration :)

En fait, j'ai fait un test avec 4 champs uniquement (NOM, TEL, FAX, EMAIL) et j'ai créé un module nommé ModParser :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Option Explicit
 
' Bornage du champ NOM
Public Const tagdebNom = "<h1>"
Public Const tagfinNom = "</h1>"
 
' Bornage du champ TEL
Public Const tagdebTel = "phone</dt><dd>"
Public Const tagfinTel = "</dd>"
 
' Bornage du champ FAX
Public Const tagdebFax = "<dt>Fax</dt><dd>"
Public Const tagfinFax = "</dd>"
 
' Bornage du champ EMAIL
Public Const tagdebEmail = "mailto:"
Public Const tagfinEmail = ">"

Ensuite, j'ai

Code:

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
Sub test()
 
' Définition des classeurs
 
Dim CLASSEURORIGINE As Workbook
'Dim CLASSEURDESTINATION As Workbook
 
'Définition des chemins
 
Dim CHEMINPARENT As String
Dim CHEMINCOMPLET As String
Dim CHEMINFICHIER As String
Dim FEUILLEORIGINE As String
Dim nomfichier As String
Dim ifile As Integer
ifile = FreeFile
Dim DataNom As String
Dim endtextNom As Integer
Dim debtextNom As Integer
Dim largeurNom As String
 
Rem Dim oDataObject As DataObject
CHEMINPARENT = "C:\CLIENTS\"
 
Dim Dossier As Object, Fichier As Object
 
Dim I As Long
 
For I = 1 To 60000
 
CHEMINCOMPLET = CHEMINPARENT & I
 
If Dir(CHEMINCOMPLET, vbDirectory) = "" Then
 
Else
 
Set Dossier = CreateObject("Scripting.FileSystemObject").GetFolder(CHEMINCOMPLET)
 
For Each Fichier In Dossier.Files
 
nomfichier = Fichier.Name
 
CHEMINFICHIER = CHEMINCOMPLET & "\" & nomfichier
 
FEUILLEORIGINE = Left(Fichier.Name, InStr(Fichier.Name, ".") - 1)
 
Set CLASSEURORIGINE = Workbooks.Open(Filename:=CHEMINFICHIER)
 
'début du programme
 
 
    Open CHEMINFICHIER For Input As #ifile
    'lecture du fichier ligne par ligne
    Do While Not EOF(ifile)
        Line Input #ifile, DataNom 'Récupère la ligne
        endtextNom = InStr(1, DataNom, tagfinNom)
        debtextNom = InStr(1, DataNom, tagdebNom)
            If endtextNom <> 0 Then 'on regarde si le tag de fin est présent dans la ligne
 
                debtextNom = InStr(1, DataNom, tagdebNom)
 
                    largeurNom = numfichier 'la fonction LEN() ne marchant que pour des variables de type string ou object, on copie numfichier (integer) dans largeur (string)
                    largeurNom = Len(largeurNom)
 
                    'Ajout du nom du membre dans la colonne B.
                    Cells(I, 1) = Mid(DataNom, debtextNom + 4, endtextNom)
            End If
    Loop
    Close #ifile 'fermeture du fichier
Next
 
End If
 
Next
 
End Sub

Je galère avec des bouts de procédure que j'ai adaptées au fur et à mesure.

Je pense qu'il y a beaucoup + simple...

14/11/2014, 10h22
Marc-L

Bonjour,

pour des fichiers html, procéder comme pour une page html, le B-A-BA : Interaction avec Internet Explorer via VBA Excel …

Ensuite au lieu de gérer le Document via IE, utiliser l'objet HTMLFile : voir sur le site MSDN et dans les discussions de ce forum.

Sinon via un parser maison, penser à la fonction Split tout comme désactiver l'affichage, le calcul, les évènements …
Utiliser FileSystemObject peut s'avérer plus lent que la fonction Dir …
25/11/2014, 15h52
Nicofromlyon

Possible de me filer un coup de main, là j'ai décroché...
26/11/2014, 10h16
Marc-L

Peut-être, tout dépend de la question technique à venir et si elle est clairement exposée …