HTMLソースからURLだけを抜き出す方法を教えてください！

質問

どなたかお知恵をお貸しください。
HTMLのソースファイルからURLを取得するツールを
作ろうと思うのですが、そのURLだけを抜き出すと
いうところがよく分かりません。

ソーステキストを
open "source.txt" for input as #1
do until eof(1)
line input #1,aa
で一行ずつ読み込んでいき、
その中から
InStr関数で「http://」の文字列を検索すると
いうことぐらいは想像がつくのですが、URLは
文字数も決められているわけではないので、検索で
見つかった位置から最後までを抜き出すという方法が
どうしても分かりません。

あるいは、タグの <A href= という文字列を検索して
見つかった位置から次に > という文字列が見つかった
場所までの間を抜き出すという方法になるかと思いますが、
最初に検索で見つかった位置から次に見つかった位置まで
をどのように検索すればいいのかが分かりません。

何かいい手がございましたら、ぜひ教えてください。
よろしくお願いします！

回答No.3

hershe

こんにちわ。hersheというものです。

タグの検索ですが"<a href="で検索しただけでは、
"<a"と"href"の間に"TARGET="など他の設定が入った場合、検索できなくなってしまいます。
ですので、まずは"<a"のタグを">"まで検索した後に"href"以降のURLを抜き取る必要があります。

"A"タグを抽出する関数を作ってみましたので記載します。

'--------+---------+---------+---------+---------+---------+
' "A"タグ抽出関数
'--------+---------+---------+---------+---------+---------+
Private Function GetATag(pstrLineBuf As String) As String
　　Dim lngPosSt As Long
　　Dim lngPosEnd As Long
　　Dim strATag As String

　　GetATag = ""

　　'文字が大文字か小文字か分からないためStrConv関数で小文字に変換した後、比較します。
　　lngPosSt = InStr(StrConv(pstrLineBuf, vbLowerCase), "<a")

　　'"<A"が見つかった場合、">"を検索します。
　　If lngPosSt > 0 Then
　　　　lngPosEnd = InStr(Mid(pstrLineBuf, lngPosSt), ">")

　　　　'">"が見つかった場合、"<A"～">"を抜き出し戻り値として返します。
　　　　If lngPosEnd > 0 Then
　　　　　　strATag = Mid(pstrLineBuf, lngPosSt, lngPosEnd)
　　　　　　GetATag = strATag
　　　　End If
　　End If

End Function
'--------+---------+---------+---------+---------+---------+

この関数は"A"タグが見つかった場合、返値に"<A"～">"が返ってきます。見つからない場合は空白("")です。
>line input #1,aa
の後に

'--------+---------+---------+---------+---------+---------+
　　strRet = GetATag(aa)
　　If strRet <> "" Then
　　　　MsgBox strRet
　　End If
'--------+---------+---------+---------+---------+---------+

と記述して試してみてください。
あとは抽出した"<A"～">"の中から"HREF"を検索し、URLを抜き出すだけです。

また、問題点を挙げておきます。
・HTMLのタグは複数行に渡って記述することができるため、１行の中に終了文字">"が見つからないことがあります。
・HTMLソースの記述が間違っている場合は、正常に動作しません。

以上です。参考になるでしょうか？

お礼

ご回答ありがとうございます！
二回も詳細に書いていただき恐縮です。
VBについてはまだまだ勉強中でして、検索とか置き換え
というところは最も苦手なところなんです。
でもこれだけ詳しく書いていただいたので、調べつつ
ぜひ試させていただきます。
ありがとうございます！！！