OuterHTML-Texte aus mehreren HTM-Dateien

Sub ImportHtmFiles() Const FOLDER = "C:\text" Set FSO = CreateObject("Scripting.FileSystemObject") With ActiveSheet For Each file In FSO.GetFolder(FOLDER).Files If LCase(FSO.getextensionname(file.Name)) = "htm" Then .Cells(Rows.Count, "A").End(xlUp).Offset(1, 0).Value = FSO.OpenTextFile(file.Path, 1). _ _ _ ReadAll() End If Next End With End Sub

Beiträge zum Forumthread

Beiträge zu diesem Forumthread

Betreff

Datum

Anwender

Hallo domisalfa,
mein erster Gedanke war, das über den Internet-Explorer zu machen. Leider ist es mir nicht gelungen, die HTM-Seiten von der Festplatte in das DOM-Objekt zu bekommen.
Wenn es Dir nur darum geht, die HTML-Texte um die Tags zu bereinigen, um den reinen Text zu extrahieren, findest Du nachfolgend einen ersten Versuch, dieses zu Fuß zu machen...
Das ist mit heißer Nadel gestrickt und sicher noch erweiterbar...
Probier es einfach mal aus:

Option Explicit

Sub ImportHtmFiles()

'Liest HTML-Daten aus Text-Dateien und entfernt die Tags

 Dim FSO As Object, oFile As Object

 Dim sData As String, sArr() As String, i As Long

 Const oFolder = "C:/Users/voltm/Desktop" '"C:\text"

 Set FSO = CreateObject("Scripting.FileSystemObject")

 With ActiveSheet

   For Each oFile In FSO.GetFolder(oFolder).Files

     If FSO.getextensionname(oFile.Name) Like "htm*" Then

       sData = Split(FSO.OpenTextFile(oFile.Path, 1).ReadAll(), "&LT;body")(1)

       sData = Replace(sData, vbCrLf, "")

       sData = Replace(Replace(sData, "&LT;/br&GT;", vbCrLf), "&LT;br&GT;", vbCrLf)

       sData = Replace(Replace(sData, "&LT;/tr&GT;", vbCrLf), "&LT;/th&GT;", vbCrLf)

       sData = Replace(sData, "&LT;/td&GT;&LT;td", vbTab & "&LT;")

       sData = Replace(sData, "&LT;/th&GT;&LT;th", vbTab & "&LT;")

       sArr = Split(sData, "&LT;")

       For i = 0 To UBound(sArr)

        If InStr(sArr(i), "&GT;") = Len(sArr(i)) Then

          sArr(i) = ""

        ElseIf InStr(sArr(i), "&GT;") = 0 Then

        Else

          sArr(i) = Split(sArr(i), "&GT;")(1)

        End If

       Next i

       sData = Join$(sArr)

'HTML-Daten bereinigen

       sData = Replace(sData, """, Chr$(34))

       sArr = Split(" , ,>,&GT;,<,&LT;,ß,ß,ä,ä,ö,ö,ü,ü,", ",")

       For i = 0 To UBound(sArr) - 1 Step 2

           sData = Replace(sData, sArr(i), sArr(i + 1))

       Next i

'### Hier in sData sind die bereinigten Daten, mach was damit###

     End If

   Next oFile

 End With

End Sub

viele Grüße
Karl-Heinz

Hallo domisalfa,
Deine Frage kann man so pauschal nur mit "ja, das geht" beantworten. Deshalb ein paar Rückfragen:

Sind die HTML-Dateien alle gleich aufgebaut? Also, sind es z.B. alles Seiten aus dem gleichen Forum oder Angebotsseiten aus dem gleichen OnlineShop?

Du wirst keinen Spaß haben, wenn Du einfach den Text der gesamten Seite als einen String extrahierst. Dabei entsteht in der Regel nämlich ein nicht wirklich lesbarer Wust mit einer Menge Fehlern, weil z.B. Textblöcke aus nachfolgenden Tags direkt an den Textblock des vorherigen Tags geklatscht werden. Also ohne Leerzeichen dazwischen. Welche Informationen aus Deinen HTML-Dateien brauchst Du also im Detail?

Aus der letzten Frage ergibt sich zwangsläufig, dass Du mindestens eine der HTML-Dateien zur Verfügung stellen musst.

Bitte erläutere also mal genauer, was Du vor hast.
Viele Grüße,
Zwenn

Beliebteste Forumthreads (12 Monate)

OuterHTML-Texte aus mehreren HTM-Dateien

5 Beiträge zum Forumthread Beiträge zu diesem Forumthread

VBA Beispiele zu verwandten Themen

Beliebteste Forumthreads (12 Monate)

Beliebteste Forumthreads (12 Monate)

5
Beiträge zum Forumthread

Beiträge zu diesem Forumthread