HTML-Quelltext einer Webseite auslesen In Verbindung mit dem WebBrowser-Control lässt der Seitenquelltext ganz leicht auslesen.
Autor:   Dieter Otter	Bewertung:     [ Jetzt bewerten ]	Views:  121.348
www.tools4vb.de	System:  Win9x, WinNT, Win2k, WinXP, Win7, Win8, Win10, Win11	Beispielprojekt auf CD

Geben Sie hier Ihre persönliche Bewertung ab! Anzahl Bewertungen bisher: 139 Bewertung insgesamt: gut Durchschnittliche Bewertung: 3.8 von 5 Sternen

sehr gut     gut     nützlich     mittelmäßig     mangelhaft

"Wie kann man den Seitenquelltext einer Webseite auslesen, um z.B. gezielt nach bestimmten Link-Verweisen, Bildern oder auch Mail-Adressen zu suchen?"

Ganz einfach:
Man nehme das WebBrowser-Steuerelement (Menü Projekte - Komponenten - Microsoft Internet Controls bzw. SHDOCVW.DLL) und plaziere es auf eine Form. Über die Navigate-Eigenschaft legt man die URL der Webseite fest. Das DocumentComplete-Ereignis informiert uns dann, sobald die Webseite vollständig geladen ist. Der Seitenquelltext lässt sich daraufhin über das .Document-Objekt ganz leicht auslesen:

Dim Quelltext As String 
Quelltext = WebBrowser1.Document.documentElement.outerHTML

Und nun das ganze schön verpackt:

Option Explicit
' Ereignis wird ausgelöst, sobald die Webseite
' vollständig geladen wurde
Private Sub WebBrowser1_DocumentComplete(ByVal pDisp _
  As Object, URL As Variant) 
  On Error Resume Next 
  WebBrowser1.Tag = ""
End Sub
 
' URL (Webseite) laden
Private Sub URL_Load(ByVal sURL As String)
  Dim sQuelltext As String
 
  With WebBrowser1
    .Tag = "Load"
    .Navigate sURL
 
    ' Warten bis Seite vollständig geladen ist
    While .Tag <> ""
      DoEvents
    Wend
  End With
End Sub
 
' Bsp.: Seitenquelltext in Datei speichern
Private Sub SaveQuelltext(ByVal sFilename As String) 
  Dim F As Integer
 
  With WebBrowser1.Document.documentElement
    F = FreeFile
    Open sFilename For Output As #F
    Print #F, .outerHTML;
    Close #F 
  End With
End Sub
 
' Bsp.: alle EMail-Adressen ermitteln
' Rückgabewert: Array (0..n) mit den gefundenen
'               EMail-Adressen
Private Function GetMailAdresses() As Variant
  Dim sMailAdr() As Variant
  Dim sPos As Long
  Dim ePos As Long
  Dim nCount As Integer
 
  nCount = 0
  With WebBrowser1.Document.documentElement
    Do
      ' nach 'href="mailto:' suchen
      sPos = InStr(sPos + 1, .outerHTML, "href=""mailto:", _
        vbTextCompare)
      If sPos > 0 Then
        ' Schlusszeichen suchen (")
        ePos = InStr(sPos + 7, .outerHTML, Chr$(34))
        If ePos > 0 Then
          ' Array um ein Feld erweitern
          ReDim Preserve sMailAdr(nCount)
          sMailAdr(nCount) = Mid$(.outerHTML, _
            sPos + 13, ePos - sPos - 13)
          nCount = nCount + 1
        End If
      Else
        sPos = 0
      End If
    Loop Until sPos = 0
  End With
 
  GetMailAdresses = sMailAdr
End Function

Beispiel
Plazieren Sie zusätzlich zu dem WebBrowser-Steuerelement noch drei CommandButtons auf die Form und benennen Sie diese cmdLoad, cmdSave und cmdEMail. Weiterhin wird noch ein Textfeld Text1 benötigt, für das Sie die MultiLine-Eigenschaft auf "True" setzen.

Über den Button cmdLoad soll eine Webseite geladen werden. Klickt man nun auf cmdSave, so soll der Seitenquelltext in eine Datei gespeichert werden. Über den Button cmdEMail werden alle auf der Webseite genannten EMail-Adressen ausfindig gemacht und in der Textbox angezeigt.

Und hier der Code:

' Webseite laden
Private Sub cmdLoad_Click()
  URL_Load "Irgendeine URL"
End Sub
 
' Seitenquelltext speichern
Private Sub cmdSave_Click()
  SaveQuelltext App.Path & "\URL_Quelltext.txt"
End Sub
 
' alle vorhanden EMail-Adressen anzeigen
Private Sub cmdEMail_Click()
  Dim I As Integer
  Dim sMailAdr() As Variant
 
  sMailAdr = GetMailAdresses()
  Text1.Text = ""
  For I = 0 To Ubound(sMailAdr)
    Text1.Text = Text1.Text & sMailAdr(I) & vbCrLf
  Next I
End Sub

Es gibt natürlich noch zahlreiche weitere Beispiele, die zeigen, was man alles über den Seitenquelltext einer Webseite ermitteln kann. Vorrangig sollte unser heutiger Tipp aber zeigen, wie man überhaupt an den Seitenquelltext einer Webseite gelangt.