Question

我需要将字符串HTML从混合的西里尔字母和拉丁字符转换为UNICODE。

我尝试了以下内容：

Public HTML As String
    Sub HTMLsearch()

    GetHTML ("http://nfs.mobile.bg/pcgi/mobile.cgi?act=3&slink=6jkjov&f1=1")
    MsgBox HTML
    HTML = StrConv(HTML, vbUnicode)
    MsgBox HTML
End Sub

Function GetHTML(URL As String) As String
    With CreateObject("MSXML2.XMLHTTP")
        .Open "GET", URL, False
        .Send
        HTML = .ResponseText
    End With
End Function

您可以看到StrConv之前和之后的内容。如果您想在文件中获取html，可以使用以下代码：

Public HTML As String
    Sub HTMLsearch()

    GetHTML ("http://nfs.mobile.bg/pcgi/mobile.cgi?act=3&slink=6jkjov&f1=1")

    Dim path As String

    path = ThisWorkbook.path & "\html.txt"
    Open path For Output As #1
    Print #1, HTML
    Close #1

    HTML = StrConv(HTML, vbUnicode)

    path = ThisWorkbook.path & "\htmlUNICODE.txt"
    Open path For Output As #1
    Print #1, HTML
    Close #1
End Sub

Function GetHTML(URL As String) As String
    With CreateObject("MSXML2.XMLHTTP")
        .Open "GET", URL, False
        .Send
        HTML = .ResponseText
    End With
End Function

IDEAS？

Answer 1

VBA对Unicode的支持并不是那么好。

可以处理Unicode字符串，但是您无法看到Debug.Print或MsgBox的实际字符 - 它们将显示为?。

您可以设置控制面板＆gt;地区和语言＆gt; “管理”标签＆gt; ＆＃34;非Unicode程序的当前语言＆＃34; 到＆＃34;俄语＆＃34;切换到不同的代码页，这将允许您在VBA消息框中查看西里尔字母而不是问号。但这只是一种美化改变。

你真正的问题在于此处。

服务器（nfs.mobile.bg）将文档发送为Content-Type: text/html。没有关于字符编码的信息。这意味着接收器必须自己找出字符编码。

浏览器通过查看响应字节流并进行猜测来做到这一点。在您的情况下，HMTL源中存在有用的<meta http-equiv="Content-Type" content="text/html; charset=windows-1251">标记。因此，字节流应解释为Windows-1251，恰好是Windows中的西里尔语ANSI代码页。

所以，我们这里甚至没有Unicode！

如果没有任何其他信息，responseText对象的XMLHTTP属性默认为us-ascii。西里尔字母表中的扩展字符不存在于ASCII中，因此它们将转换为实际问号并丢失。这就是为什么你不能用responseText来做任何事情的原因。

但是，responseBody属性中的原始字节仍然可用，Byte属性是ADODB.Stream的数组。

在VBA中，您必须执行与浏览器相同的操作。您必须将字节流解释为特定字符集。 ' reference: "Microsoft XML, v6.0" (or any other version) ' reference: "Microsoft ActiveX Data Objects 6.1 library" (or any other version) Option Explicit Sub HTMLsearch() Dim url As String, html As String url = "http://nfs.mobile.bg/pcgi/mobile.cgi?act=3&slink=6jkjov&f1=1" html = GetHTML(url, "Windows-1251") ' Cyrillic characters are supported in Office, so they will appear correctly ActiveDocument.Range.InsertAfter html End Sub Function GetHTML(Url As String, Optional Charset As String = "UTF-8") As String Dim request As New MSXML2.XMLHTTP Dim converter As New ADODB.stream ' fetch page request.Open "GET", Url, False request.send ' write raw bytes to the stream converter.Open converter.Type = adTypeBinary converter.Write request.responseBody ' switch the stream to text mode and set charset converter.Position = 0 converter.Type = adTypeText converter.Charset = Charset ' read text characters from the stream, close the stream GetHTML = converter.ReadText converter.Close End Function对象可以为您做到这一点，它也非常简单：

HTMLsearch()

我一直在这里使用MS Word并且正在调用?正确地将西里尔字符写入页面。不过，对于我来说，它们仍然在MsgBox中显示为{{1}}，但现在这纯粹是一个显示问题，这是因为VBA创建的UI无法处理Unicode。

Answer 2

我的生产订单数据来自许多国家/地区。这是我能找到的唯一真正有效的vba函数。

Private Const CP_UTF8 = 65001

Private Declare Function MultiByteToWideChar Lib "kernel32" ( _
   ByVal CodePage As Long, ByVal dwFlags As Long, _
   ByVal lpMultiByteStr As Long, ByVal cchMultiByte As Long, _
   ByVal lpWideCharStr As Long, ByVal cchWideChar As Long) As Long


Public Function sUTF8ToUni(bySrc() As Byte) As String
   ' Converts a UTF-8 byte array to a Unicode string
   Dim lBytes As Long, lNC As Long, lRet As Long

   lBytes = UBound(bySrc) - LBound(bySrc) + 1
   lNC = lBytes
   sUTF8ToUni = String$(lNC, Chr(0))
   lRet = MultiByteToWideChar(CP_UTF8, 0, VarPtr(bySrc(LBound(bySrc))), lBytes, StrPtr(sUTF8ToUni), lNC)
   sUTF8ToUni = Left$(sUTF8ToUni, lRet)
End Function

示例用法：

Dim sHTML As String
Dim bHTML() As Byte
bHTML = GetHTML("http://yoururlhere/myorderdata.php")
sHTML = sUTF8ToUni(bHTML)
sHTML = Mid(sHTML, 2)  'strip off Byte Order Mark: EF BB BF

VBA - 将字符串转换为UNICODE

2 个答案: