VBScriptでWEBスクレイピング！hタグを取得してHTMLとして書き出す

こんにちは！あつもり(@atumori17)です。

VBScriptでIEを操作してWEBスクレイピング！の第7回目で～す。
前回は「aタグのリンクURLをHTMLとして書き出す」ところまでやりました。

VBScriptでWEBスクレイピング！aタグのリンクURLをHTMLとして書き出す

ページ内にあるaタグの要素全体を抜き出してHTMLファイルとして書き出す方法を紹介します。HTMLファイルとして書き出すことでリンク集のような使い方ができるので便利です。書き出し方法はouterhtmlメソッドを使うことで、指定したタグを含めた要素全体を取得していきます。

今回は「ページ内にあるhタグを取得してHTMLとして書き出す」方法を紹介します。

前回はaタグの要素全体を抜き出しました。今回はhタグの要素全体を抜き出して、前回と同様にHTMLファイルとして書き出していきます。

hタグの要素をHTMLファイルで書き出すスクリプト
プログラムコードの解説
1. hタグとは見出しを表すタグ
2. getElementsByTagNameメソッドでタグ名で要素を取得する
アプリケーションを実行してみる
まとめ
連載目次：VBScriptでお手軽WEBスクレイピング

hタグの要素をHTMLファイルで書き出すスクリプト

テキストエディタを開き下記のコードを入力します。全て入力し終わったら「hタグをHTMLで書き出す.vbs」のファイル名でデスクトップに保存します。

Option Explicit

    Dim objIE
    Dim objLink

    Set objIE = CreateObject("InternetExplorer.Application")
    objIE.Visible = True

    'IEを開く
    objIE.navigate "https://tonari-it.com/"
    
    'ページが読み込まれるまで待つ
    Do While objIE.Busy = True Or objIE.readyState <> 4
        WScript.Sleep 100        
    Loop
    
    'head要素の書き出し
    OutputText "<html><head><title>リンク一覧</title></head>"
    'body要素の書き出し
    OutputText "<body>"    
    
    Dim objH1
    Dim objH2
    Dim objH3
    Dim el
    
    'h1～h3要素をコレクションとして取得してオブジェクト変数にセットする
    Set objH1 = objIE.document.getElementsByTagName("h1")    
    Set objH2 = objIE.document.getElementsByTagName("h2")    
    Set objH3 = objIE.document.getElementsByTagName("h3")      
    
    '取得したh1～h3要素をhtmlファイルに書き出す
    For each el In objH1
        OutputText "<p>" & el.outerhtml & "</p>"            
    next 
    
    For each el In objH2
        OutputText "<p>" & el.outerhtml & "</p>"            
    next    

    For each el In objH3
        OutputText "<p>" & el.outerhtml & "</p>"            
    next    

    OutputText "</body></html>"

'テキストファイルへ出力
Function OutputText(ByVal strMsg)

    Dim objFSO
    Dim objText

    'ファイルシステムオブジェクト
    Set objFSO = WScript.CreateObject("Scripting.FileSystemObject")
    'テキストファイルを開く
    Set objText = objFSO.OpenTextFile("hタグ.html", 8, true)

    objText.write strMsg    
    objText.write vbCrLf

    objText.close
    
    'オブジェクト変数をクリア
    Set objFSO = Nothing
    Set objText = Nothing 

End Function

プログラムコードの解説

全体の流れは以下のようになります。

IEでページを開く
IEの読み込み待ちをする
hタグの要素をHTMLファイルとして書き出す

1~2までは前回ご説明したaタグの要素を取得する流れと同じです。その後、hタグの要素を取得してHTMLファイルとして書き出します。

hタグとは見出しを表すタグ

コードの説明に入る前にhタグについて少しお話したいと思います。hタグとは見出しを表すタグでh1～h6まであります。6種類もあるのは、

h1 大見出し
h2 中見出し
h3～h6 小見出し

というように用途に分けて使いわけるためです。こうすることで文書構造をわかりやすくするんですね。hタグはブラウザで表示させたときに、文字が大きく太く表示されます。そのためページ閲覧者にとって読みやすいページになるわけです。

下の画像を見てもらうとイメージがつかみやすいと思います。初心者向けにHTMLを解説したページを例にしています。

このようにhタグを適切に使うことで、閲覧者だけでなく検索エンジンに対してもわかりやすいページになるため、SEOとしての効果もあります。

実際にhタグをHTMLで書く場合は以下のようにします。

<h1>h1タグ</h1> 
<h2>h2タグ</h2>
<h3>h3タグ</h3>
<h4>h4タグ</h4>
<h5>h5タグ</h5>
<h6>h6タグ</h6>

ブラウザではこのように表示されます。

それではコードの説明をしていきますね。

getElementsByTagNameメソッドでタグ名で要素を取得する

下記のようにすることでタグ名で要素を取得することができます。

HTMLドキュメント.getElementsByTagName(“タグ名”)

getElementsByTagNameはタグ名で指定した要素のコレクションを取得するメソッドです。コレクションはページ全体のh要素がまとまっているため、1つ1つの要素にバラしてあげないといけません。

上記のコードで27～28行目、32～35行目になります。

    'h1～h3要素をコレクションとして取得してオブジェクト変数にセットする
    Set objH1 = objIE.document.getElementsByTagName("h1")

    'h1～h3タグを取得してhtmlファイルに書き出す
    For each el In objH1
        OutputText "<p>" & el.outerhtml & "</p>"            
    next

コレクションについては過去の記事「VBScriptでWEBスクレイピング！aタグのリンクURLを全部取得する方法」で詳しく説明しているので参考にしてみてください。

VBScriptでWEBスクレイピング！aタグのリンクURLを全部取得する方法

ページ内にあるリンクURLを全て取得してテキストファイルに書き出す方法を紹介します。まずはLinksプロパティでページ全体のa要素を全て取得してから、For eachステートメントでコレクションの中の要素の数だけループさせ、リンク参照先のURLを取得します。

プログラムコードの解説は以上です。

アプリケーションを実行してみる

では実際に起動してみます。デスクトップにある「リンクURLをHTMLで書き出す.vbs」をダブルクリックして起動します。

デスクトップに「hタグ.html」ができました。

「hタグ.html」をダブルクリックするとブラウザでファイルが開きます。

「hタグ.html」をテキストエディタ開いてみると、htmlで書かれているのがわかります。

まとめ

いかかでしたか？今回の内容をまとめると以下のようになります。

hタグとは見出しを表すタグで文書構造をわかりやすくするために使う
getElementsByTagNameはタグ名で指定した要素のコレクションを取得するメソッド

今回は以上です。それではお疲れさまでした～。

連載目次：VBScriptでお手軽WEBスクレイピング

Windowsを操作できるプログラミング言語「VBScript」を使えば、InternetExplorerを操作してWEBスクレイピングが可能です。これで日々の情報収集はダブルクリック一発で完了させましょう！