现在很多数据都是被大公司所掌握，他们掌握了这些数据就可以提前规划、抢占先机，而我们这些普通人只有被动的接受他们有意传导的一些信息。我们能不能自已掌握一些大数据呢，当然可以。毫无疑问在数据爬取方面Python语言功能非常的强大，我们这些EXCEL爱好者大部分人都没有学过Python，专门去学习又非常耗时。从EXCEL2013版开始，我们就可以使用excel爬虫爬取网页数据了。
声明一下我们要获取地是网络上公开的数据，不涉及商业机密。现在中国股市非常活跃，我们就来获取A股各上市公司的员工构成（按学历划分），看看哪些上市公司属于知识密集型，让我们好好地认识一下A股的上市公司。
备注
-
如果参数无法返回数据，则 WEBSERVICE 返回错误值 #VALUE!。
-
如果参数导致字符串无效或含有的字符超过允许的单元格限制（32767 个字符），则 WEBSERVICE 返回错误值 #VALUE!。
-
如果 url 字符串所含字符超过 GET 请求允许的 2048 个字符，则 WEBSERVICE 返回错误值 #VALUE!。
-
对于不支持的协议，例如 ftp :// 或 file://，WEBSERVICE 返回 #VALUE! 错误值。
二、数据从哪里来
网络上有很多服务商提供了A股相关数据，我们今天从中商产业研究院数据库来获取数据，网址http://s.askci.com/stock/summary/000001/employee/，
网址中000001为平安银行的股票代码，我们可以通过改变这个代码来提取不同上市公司的信息。我们把这些数据放在A列，并根据需要下拉拖动填充。这时000001是无法直接有效输入EXCEL中的，我们在输入之前加个英文状态的单引号'，或是改变单元格格式为文本。
三、excel使用WEBSERVICE爬取网页数据
在第二列，我们输入公式=WEBSERVICE("http://s.askci.com/stock/summary/"&A1&"/employee/")，现在A1单元格为000001，通过字符串连接符&，我们访问的网页就是http://s.askci.com/stock/summary/000001/employee/。获得的数据就像这样"<!doctype html><html><head>......"。这是HTML格式的数据，我们在浏览器看到的是这样（下图）。HTML格式数据我们普通人无法有效使用，需要处理一下，获得关键数据。
四、网页数据处理
我们在chrome浏览器中查看网页源代码，看一下，我们要获取的数据格式。
通过查看源代码我们发现我们要的数据在<td></td>中间，并且前面和后面都有很多我们不需要的数据。我们如何来取得我们所要的数据呢，EXCEL中有个FILTERXML函数，他是和WEBSERVICE配套使用的，可惜他只支持XML格式数据，我们的数据是HTML，他就没法实现我们的功能。既然EXCEL没有完善这一功能，我们只能用一些笨办法了，主要用SUBSTITUTE文本替换、 LEFT截取字符串、FIND查找字符串（若您不清楚这些知识点，请自行补充学习），综合起来使用取得我们要的数据。
五、先正其名
000001表示平安银行，可能有些老股民清楚，但是我们很多人不知道，我们先把他的名字取出来。
取出名字比较简单，我们在E列, E1单元格=MID(B1,FIND("<title>",B1)+7,4)。先查找 "<title>"所在位置，再通过MID截取4个字符。上市公司大部分为4个字简称，有些3个字，这种处理有些瑕疵，会得到“万科A(”这种数据，无关大雅大家可以自行完善一下，我们继续往下。
六、网页数据整理1
接第四条，在这里我们通过公式 C1单元格=SUBSTITUTE(SUBSTITUTE
(SUBSTITUTE(SUBSTITUTE(SUBSTITUTE(SUBSTITUTE(SUBSTITUTE(MID(B1,
SEARCH("<td>本科或本科以上人数</td>*<td>",B1),1500),"<td>",""),"</td>",",")
,"<tr>",""),"</tr>","")," ",""),CHAR(10),""),CHAR(13),"")，把数据截取一下。
在这里我们先把结果给大家看一下。通过公式，整理得到的数据为“本科或本科以上人数,2010,17.46,博士以上人数,7,0.06,大专人数,2288,19.87,研究生人数,170,1.48,中专及以下人数,7040,61.14,</tbody></table></div><divclass="clear"></div></div><divclass="footermg_ttwo"><divclass="footer_hrefl"><ahref="http://www.askci.com/reports/about/introduction.shtml"target="_blank">公司简介</a><i>|</i><ah“
第3张图片的源码格式，初步变成了我们想要的格式。
在这里我们一层一层地把这个公式的皮扒开，首先通过SEARCH("<td>本科或本科以上人数</td>*<td>",B1)，我们得到关键数据所在的位置（000001，位置从14323字符）。
再通过MID((B1,SEARCH("<td>本科或本科以上人数</td>*<td>",B1),1500），表示为MID((B1,14323,1500），从14323字符开始取1500个字符。
接下来就是多次用SUBSTITUTE把<td>、 <tr> 、 </tr>、 空 格" " 、 CHAR(10)换行符、 CHAR(13)回车符替换成“”，即是把这些字符删除。 </td>特别处理，替换成“，”，以方便后期数据再次整理（单元格分列）。
通过多次SUBSTITUTE，得到了我们初步的数据了。但还是有些尾巴，像“</tbody></table></div><divclass="clear">....."，不是我们要的数据，为了性能及可阅读性，我们增加一列再处理这些数据。
七、网页数据整理2
D1单元格=LEFT(C1,FIND("</tbody>",C1)-1)，我们通过“</tbody>”所在的位置，再用LEFT截取字符串，在这里我们把后面无用的尾巴删除了。得到的数据为“本科或本科以上人数,29884,81.02,博士以上人数,——,——,大专人数,6514,17.66,研究生人数,——,——,中专及以下人数,487,1.32,”
八、公式填充
我们先把000001填充一下，把A列填充为000001,000002,000003,......，根据个人需要自行填充。再把B到E列的单元格向下填充。至此，我们的动态数据已经获得，还缺少一步，就是把数据分开。
九、excel爬取的数据分列
我们把D列的数据，像“本科或本科以上人数,29884,81.02,博士以上人数,——,——,大专人数,6514,17.66,研究生人数,——,——,中专及以下人数,487,1.32,”，整列地复制到F列，在这里要强调的是选择性粘贴操作。
接下来选择F列，”数据“菜单-"分列"，按照步骤，步骤1选择分隔符号，步骤2选择逗号分隔，步骤3选择常规即可，数据就出来了。
要获取的数据，部分结果如下
在这里 还要再说明一下，像000003，可能目前还没有这支股票，会显示#VALUE!，大家可以手动删除错误信息，或是再加上IF(ISERROR(......)...)函数处理，在这里为了公式可阅读性，就不再增加代码了。
好了，我们EXCEL爬取数据是不是也很简单。在这里声明一下请勿将此用于非法用途。若您还有不清楚的可以联系QQ1876513803。
WWW.EXCEL520.CN原创作品，未经允许，请勿转载！
