精通MS-ACCESS SQL之基础篇（21）

时　间:2017-12-14 09:19:27
作　者:Big Young   ID：252  城市：襄阳
摘　要:    用ACCESS SQL读取HTML表格中的数据。
正　文:

第二十一节 用ACCESS SQL读取HTML表格中的数据

Web（World Wide Web）称为万维网，它是一种基于超文本和HTTP的、全球性的、动态交互的、跨平台的分布式图形信息系统，是建立在Internet上的一种网络服务，为浏览者在Internet上查找和浏览信息提供了图形化的、易于访问的直观界面，其中的文档及超级链接将Internet上的信息节点组织成一个互为关联的网状结构。随着我们的生活越来越网络化，越来越多地且越来越经常地需要从Web上抓取数据，抓取的方式有多种，这里我们主要探讨一下在ACCESS中如何用SQL来提取网页上的表格化的数据。

一、查询网页表格的SQL语法

Select fieldlists FROM htmltable IN ‘path\*.html'[htmlfmtstring];

在ACCESS里，用SQL只能查询或导入HTML文档中的二维表格数据，这里有查询语句作示例，其它各项作如下说明：

项目	说明
Fieldlists	列或字段列表，要显示的列的名字。
Htmltable	html文档中的表格的标识，默认是caption标签的内容，也可以用title标签的内容或表的序号，代表html表。
path\*.html	html文档所在的路径及文档的文件名，这里相当于数据库名。
Htmlfmtstring	数据库及表的格式串，这里应是：“HTML IMPORT;HDR=yes;IMEX=1;”，代表html文档类型。

这个语法与前面的查询外部数据库是一样的，比较好理解，我们可以把含有table（表格）的html文档当成是一个数据库来操作，把html table当成是库表，查询它们就像是查询数据库中的表一样的了。

二、查询只有一个表的HTML文档

这里有一个文件名为“一个表格.HTML”的HTML文档，存放在“D:\SQL for ACCESS”文件夹下，如图21-1所示：

图21-1：包含一个表格的HTML文档

在浏览器中打开后如图21-2：

图21-2：HTML文档示例表格数据

用记事本打开，我们可以看到其中的HTML代码，内容如图21-3所示：

图21-3：含一个表格的HTML文档源码

我们可以将此表中的数据导入到数据库表中，或在数据库中查询它的内容，SQL语句如下：

Select *

FROM [HTML IMPORT;

      HDR=YES;

      IMEX=1;

      DATABASE=D:\SQL for ACCESS\一个表格.HTML;].[TEMP];

或：

Select *

FROM [TEMP]

IN ''

[HTML IMPORT;

 HDR=YES;

 IMEX=1;

 DATABASE=D:\SQL for ACCESS\一个表格.HTML;];

或：

Select *

FROM [TEMP]

IN 'D:\SQL for ACCESS\一个表格.HTML'

[HTML IMPORT;

 HDR=YES;

 IMEX=1;];

运行后的结果如图21-4：

图21-4：对HTML文档中表格查询结果

在查询中如果表具有caption属性时，表的标识首先是caption属性值；当无此caption属性，则表的标识是title属性的值。

三、查询表中没有标识符又没有标题的HTML文档

如果一个HTML文档既没有TITLE，表中也没有CAPTION,如图21-5所示的“TEST.HTML”文档：

图21-5：没有表格标识的HTML文档的查询

前面说过，表格的标识首先是其CAPTION，然后才是文档的TITLE，哪这两者没有的表格该如何引用呢？

其实在ACCESS SQL数据引擎的HTML IISAM驱动中，除了支持用上面的标识来区别表外，还支持直接使用[Table]标签作为表的默认名字来访问表的，下面我们来看一个例子，这里我们以上面介绍的“Test.html”文件为例，来查询它包含的表：

Select *

FROM [Table]

IN 'D:\SQL for ACCESS\TEST.html'

[HTML IMPORT;HDR=yes;IMEX=1;];

运行后的效果如图21-6所示，完全与实际表的内容一样：

图21-6：查询无明确标识的HTML表

四、对包含多表的HTML文档的查询

前面我们查询的都是只包含一个表的HTML文档，在生活中，有时会遇到包含多个表的HTML WEB页，这又该如何对其中的表进行查询呢？现在我们就来解决这个问题。

先来看一下包含多个表的一个HTML文档内部的情况，在我的“D:\SQL for ACCESS”文件夹下有一个名为“多个表格的WEB.html”的文档，打开后该文档在浏览器中显示的效果如图21-7所示：

图21-7：多表HTML文档示例效果

我们再来查看一下其中的HTML代码，如图21-8所示：

图21-8：多表的HTML代码示例

这里每个表都有Caption属性，我们可以用它来作为表的名称，下面我们先按一个表的方式来查询一下这个文档，看会是什么结果。语句如下：

Select *

FROM 表一

IN ''

[HTML Import;

 HDR=Yes;

 DATABASE=D:\SQL for ACCESS\多表WEB.HTML;];

运行效果如图21-9:

图21-9：多表html查询示例

这里查询到的正是表一的内容，可见我们的语句是正确的，下面我们再将三个表的内容全部一次查询出来：

Select *

FROM 表一

IN ''

[HTML Import;

 HDR=Yes;

 DATABASE=D:\SQL for ACCESS\多表WEB.HTML;]

UNION

Select *

FROM 表二

IN ''

[HTML Import;

 HDR=Yes;

 DATABASE=D:\SQL for ACCESS\多表WEB.HTML;]

UNION

Select *

FROM 表三

IN ''

[HTML Import;

 HDR=Yes;

 DATABASE=D:\SQL for ACCESS\多表WEB.HTML;];

查询效果如图21-10所示：

图21-10：查询包含多个表的HTML文档

有时候，HTML文档中的多个表格并没有指定CAPTION属性，我们在查询时该如何标识每个表呢？这时我们可以用一个通用的名字来“TABLE”求标识，它默认访问第一个表格，也可以用“TABLE1”、“TABLE2”、“TABLE3”等来标识第一、第二、第三个表格，更多的可以依此类推。

需要说明的是，表格在HTML文档中运用非常的广泛且很复杂，除了用于显示表格类数据外，主要的是用于在WEB中定位各种元素，会出现表格的嵌套，跨行或跨列合并单元格，有时可以没有某些单元格，总之并不一定都是规范的二维表格式的，对于这些不规范的表格，SQL是无法正常查询的，这一点我们使用的时候要充分注意。

Access软件网QQ交流群 (群号:483923997) 　　　　　　Access源码网店