使用 VSTO 将 HTML 导入到 Excel

Question

我有一些 html 个文件，我需要将数据导入 excel。我正在使用 VSTO (VB.NET) 来实现相同的目的。不幸的是，我遇到了一些错误。我是解析 html 的新手。有人可以告诉我下面的代码哪里出错了。

我试图从 HTML collection 中读取 header 2 文本，但它不起作用。谁能告诉我哪里出错了？

        Dim doc As HtmlDocument, htmlTable As Object, htmlBody As 
        HtmlElementCollection
        Dim wbrowser As New WebBrowser
        Dim header2 as String
        wbrowser.Visible = False
        wbrowser.Navigate(InputHtmlFile)
        'Do
        '
        'Loop Until Not wbrowser.IsBusy

        doc = wbrowser.Document

        htmlBody = doc.GetElementsByTagName("BODY")
        htmlheadings = doc.GetElementsByTagName("H2")
        header2 = htmlheadings(0).Innertext

下面是html代码

    <HEAD>
    <TITLE> SOME TITLE </TITLE>
    </HEAD>
    <BODY>
    <H2> HEADER 2 TEXT </H2>
    <HR NOSHADE>
    <H3> <U>DATA</U> </H3>
    <BLOCKQUOTE>
    VERSION NUMBER X.X.XXX
    </BLOCKQUOTE>
    <HR SIZE = 5>
    <H3> <U>DATA SET 2</U></H3>
    <BLOCKQUOTE>
    <H4>DATA SET 3 </H4>
    <BLOCKQUOTE>

    <TABLE border=1>
    <TR> <TH> TableHeader1 </TH> <TH>TTableHeader2</TH> 
    <TH>TableHeader3</TH><TH>TableHeader4</TH><TH>TableHeader5</TH> 
    <TH>TableHeader6</TH></TR><TR ALIGN=CENTER><TD>1</TD><TD> 6.4</TD><TD> 
    StringData</TD><TD> No</TD><TD> </TD><TD> </TD> </TR></TABLE><BR>
    </BLOCKQUOTE>

我希望 "HEADER 2 TEXT" 被分配给变量 header2 但我在

行收到以下错误

    header2 = htmlheadings(0).Innertext

System.ArgumentOutOfRangeException：“‘0’的值对 'index' 无效。 'index' 应介于 0 和 -1 之间。参数名称：index'

htmlheadings(0).InnerHtml = 'htmlheadings(0).InnerHtml' 引发了 'System.ArgumentOutOfRangeException'

类型的异常

另外 collections htmlBody 和 html 标题是空的。

Answer 1

您的 HTML 代码不正确 HTML。没有标签，没有结束标签，开始

标签多于结束标签等。我删除了不正确的内容：

    <?xml version="1.0" encoding="utf-8" ?>
    <html>
      <head>
        <title>SOME TITLE</title>
      </head>
      <body>
        <h2>HEADER 2 TEXT </h2>
        <h3>
          <u>DATA</u>
        </h3>
        <blockquote>VERSION NUMBER X.X.XXX</blockquote>
        <h3><u>DATA SET 2</u></h3>
        <h4>DATA Set 3</h4>
        <table border="1">
          <tr><th>TableHeader1</th><th>TTableHeader2</th><th>TableHeader3</th><th>TableHeader4</th><th>TableHeader5</th><th>TableHeader6</th></tr>
          <tr align="CENTER"><td>1</td><td>6.4</td><td>StringData</td><td>No</td><td></td><td></td></tr>
        </table>
        <br />
      </body>
    </html>

元素在浏览器控件的 DocumentCompleted 事件处理程序中工作正常（double-click 它生成事件处理程序）：

Public Class Form1

    Public Sub New()
        ' This call is required by the designer.
        InitializeComponent()
        ' Add any initialization after the InitializeComponent() call.
        wbrowser.Visible = False
        wbrowser.Navigate("C:\temp\foo.html")
    End Sub

    Private Sub wbrowser_DocumentCompleted(sender As Object, e As Windows.Forms.WebBrowserDocumentCompletedEventArgs) Handles wbrowser.DocumentCompleted
        Dim doc = wbrowser.Document
        Dim htmlBody = doc.GetElementsByTagName("BODY")(0)
        Dim htmlheadings = htmlBody.GetElementsByTagName("H2")
        Dim header2 = htmlheadings(0).InnerText
        MsgBox(header2)
    End Sub

End Class

使用 VSTO 将 HTML 导入到 Excel

Importing HTML to Excel using VSTO

html

vb.net

excel

vsto