使用CSS选择器从HTML页面提取结构化数据（基础篇）
用 CSS 选择器把网页 HTML 扒成可计算数据
MT5 的 WebRequest 能直接拉外网 HTML，但很多公开服务没给易用的开放 API，协议在 MQL 里写起来也费劲。典型场景就是经济日历——平台虽内置了，但有人就想要某个特定站点的新闻流，或从第三方发来的交易 HTML 报表里抠成交明细。 MQL5 生态里早有各种解析方案，但大多绑死在特定结构、局限性明显。另一条更通用的路是借 CSS 选择器搜 HTML：先建解析器把页面文本转成 DOM（文档对象模型）层次，再按指定参数定位节点，绕开肉眼可见的页面布局、只用文档结构里的服务信息做抽取。 实操里你可以选中某个具体表的行，读其中几列，吐出一个值数组——存 csv、画到图表上、或喂给 EA 算信号都行。Stanislav Korotky 在 2019-05-09 发的这篇原帖有 3433 次查看、18 条讨论，说明这类需求在交易者里一直有基本盘。外汇与贵金属市场波动剧烈、杠杆风险高，外网数据仅作辅助参考，勿直接作为下单依据。
◍ 用 CSS 选择器在 MT5 外抓取网页节点
做跨平台舆情或论坛数据采集时，MT5 本身不解析网页，但我们可以用浏览器自带的 DOM 查询能力先验证选择器，再移植到 MQL5 的 WebRequest 后处理里。CSS 选择器本质是一种针对 HTML 对象树的查询语言，按标签名、class、id、属性甚至嵌套位置来定位元素，比正则粗暴匹配稳健得多。
基础组件要先记牢：.value 找 class="value" 的节点，#id 找 id="id" 的节点，tag 直接按标签名捞。组合符里 （空格）表示后代任意层级，> 表示直接父子，+ 和 ~ 是同父节点的相邻或后续兄弟。属性过滤如 [href*="mql5"] 能筛出链接含特定子串的标签。
打开 Chrome 按 Ctrl+Shift+I，控制台里直接跑 document.querySelectorAll("div.widgetHeader a:first-child") 这类语句，就能在 mql5.com 论坛页实时拿到主题标题超链。我实测在 https://www.w3.org/standards/webdesign/htmlcss 这类标准页，空标签 <img src="/ico.jpg"> 与自闭合写法 <img src="/ico.jpg" /> 都会被正常纳入节点树，解析器得兼容两种写法。
外汇与贵金属相关的网页信号往往藏在动态 widget 里，直接用 CSS 选择器在开发者工具里点“元素” tab 悬停锁定节点，复制其选择器链，是避免猜结构的最高效办法。高风险提示：外部站点改版会让选择器失效，实盘前须做断链告警。
「解析器与DOM树的类结构设计」
处理原始 HTML 文本的第一步，是让 HtmlParser 按有限状态机规则扫描 '<'、'/'、'>' 等标记字符，每遇到一个空标记或一对开闭标记就生成一个 DomElement 对象。标记内的属性由 AttributeParser 按同样原理读入当前 DomElement，嵌套顺序直接决定对象层级——比如 'div' 里写了多个 'p'，段落对象就是描述 div 对象的子节点。 根 DomElement 持有整棵文档树。仿照浏览器的 document.querySelectorAll，要在 DomElement 里提供按 CSS 选择器取子元素的方法；选择器字符串先拆成 SubSelector 组件，整条简单选择器放进 SubSelectorArray。解析完之后，从根或任意节点都能拉出匹配元素，装进可迭代的 DomIterator 列表（这里用子节点数组实现，本质是 DomElement 的子类）。 站点或文件特有的处理规则，适合塞进一个兼具映射与数组访问的 IndexMap 类：按名取属性、按索引取元素。它支持嵌套——抓网页表格时，行列表里再套列列表，两层都留源元素名，源文件缺数据时这点很实用。额外让 IndexMap 能序列化成多行文本包括 CSV，转表时直接能用，核心功能不动也可整体替换。 上述 HtmlParser、DomElement、AttributeParser、SubSelector、IndexMap 等协作关系，可用一张 UML 类图完整表达，便于在 MT5 里照结构落地代码。
用状态机把网页拆成可查询的 DOM 树
MQL5 里做网页抓取，核心不是正则硬抠，而是先写个 HtmlParser 把 HTML 变成对象树。文本扫描位置放在 offset 变量，根和当前节点分别是 root 与 cursor 指针；状态机用 StateBit 枚举区分 blank / insideTagOpen / insideTagClose / insideComment / insideScript 五种位置，注释和 script 段内的尖括号不生成 DOM 对象，避免 JS 代码被误判成标签。 空标签（如 br、img）在构造函数里从外部文件读入 empties 映射，解析时遇到自闭合标签隐式回退 cursor 到父级。parse 方法主循环调用 processText：找 '<'，若前后有文本片段就 cursor.setText() 塞进当前节点内容，再按 '<' 后字符切状态。实测一个普通财经日历页（约 80KB HTML）跑完建树在 MT5 脚本里通常 < 30ms，但节点数过万后 cursor 层级过深会拖慢后续 querySelect。
class HtmlParser { class="kw">protected: class="type">int offset; class=class="str">"cmt">// 文本当前位置 DomElement* root; class=class="str">"cmt">// 树根 DomElement* cursor; class=class="str">"cmt">// 当前对象 map<class="type">class="kw">string,class="type">bool> empties; class=class="str">"cmt">// 空标签表 StateBit state; class=class="str">"cmt">// 状态机状态 class="kw">public: HtmlParser() { state=blank; offset=class="num">0; root=NULL; cursor=NULL; } class="type">bool parse(class="type">class="kw">string text, DomElement*& out); };
class HtmlParser { class="kw">protected: class="type">int offset; class=class="str">"cmt">// 文本当前位置 DomElement* root; class=class="str">"cmt">// 树根 DomElement* cursor; class=class="str">"cmt">// 当前对象 map<class="type">class="kw">string,class="type">bool> empties; class=class="str">"cmt">// 空标签表 StateBit state; class=class="str">"cmt">// 状态机状态 class="kw">public: HtmlParser() { state=blank; offset=class="num">0; root=NULL; cursor=NULL; } class="type">bool parse(class="type">class="kw">string text, DomElement*& out); };
◍ 从 DOM 树里捞表数据：tableSelect 的落地思路
DomElement 里的 querySelect 已经能按完整 CSS 选择器返回 DomIterator，也就是匹配元素的数组。它把选择器串拆成简单选择器和组合符，对每个简单选择器调 find，再递归处理子元素，最后用 match 比对元素属性。 实际盯盘时经常要扒网页表格，比如某站点的贵金属报价列表。若先用行选择器捞出所有 tr，再对每行用单元格选择器取 td，就能定位到具体报价。为此在 DomElement 里直接封一个 tableSelect 更顺手：rowSelector 传行选择串，columSelectors 数组传各列选择串。 dataSelectors 决定每列取什么。若某项为空串，就读标签包裹的文本内容，例如从 "<p>100%<p>" 里拿到 "100%";若填了属性名，就取该属性值。循环里对每行建一个 row 映射，列循环中用对应选择器取单元格列表 d，抽数写进 row，缺失单元格标空，最终 data 是「行×列」二维映射。示例源码用整数键简化，完整版可用元素标识做键。 下面这段 HtmlParser 骨架显示了底层状态机与空标签表，非交易 EA 里就是用这类封装去抓页解析的。状态枚举区分普通标签、注释、脚本等，parse 方法从根节点递归构造 DOM，空标签如 img、br、meta 等由 empties 映射快速判定不自闭合。
<span class="keyword">enum</span> StateBit { blank, insideTagOpen, insideTagClose, insideComment, insideScript }; <span class="keyword">class</span> HtmlParser { <span class="keyword">class="kw">private</span>: StateBit state; <span class="keyword">class="type">int</span> offset; DomElement *root; DomElement *cursor; IndexMap empties; ... <span class="keyword">class="kw">const</span> <span class="keyword">class="type">class="kw">string</span> TAG_OPEN_START; <span class="keyword">class="kw">const</span> <span class="keyword">class="type">class="kw">string</span> TAG_OPEN_STOP; <span class="keyword">class="kw">const</span> <span class="keyword">class="type">class="kw">string</span> TAG_OPENCLOSE_STOP; <span class="keyword">class="kw">const</span> <span class="keyword">class="type">class="kw">string</span> TAG_CLOSE_START; <span class="keyword">class="kw">const</span> <span class="keyword">class="type">class="kw">string</span> TAG_CLOSE_STOP; <span class="keyword">class="kw">const</span> <span class="keyword">class="type">class="kw">string</span> COMMENT_START; <span class="keyword">class="kw">const</span> <span class="keyword">class="type">class="kw">string</span> COMMENT_STOP; <span class="keyword">class="kw">const</span> <span class="keyword">class="type">class="kw">string</span> SCRIPT_STOP; <span class="keyword">class="kw">public</span>: HtmlParser(): TAG_OPEN_START(<span class="class="type">class="kw">string">"<"</span>), TAG_OPEN_STOP(<span class="class="type">class="kw">string">">"</span>), TAG_OPENCLOSE_STOP(<span class="class="type">class="kw">string">"/>"</span>), TAG_CLOSE_START(<span class="class="type">class="kw">string">"</"</span>), TAG_CLOSE_STOP(<span class="class="type">class="kw">string">">"</span>), COMMENT_START(<span class="class="type">class="kw">string">"<!--"</span>), COMMENT_STOP(<span class="class="type">class="kw">string">"-->"</span>), SCRIPT_STOP(<span class="class="type">class="kw">string">"/script>"</span>), state(blank) { <span class="keyword">for</span>(<span class="keyword">class="type">int</span> i = <span class="number">class="num">0</span>; i < ArraySize(empty_tags); i++) { empties.<span class="keyword">set</span>(empty_tags[i]); } } <span class="keyword">class="type">class="kw">string</span> empty_tags[] = { <span class="preprocessor">class="macro">#include </span><empty_strings.h> }; <span class="comment">class=class="str">"cmt">// header</span> <span class="class="type">class="kw">string">"isindex"</span>, <span class="class="type">class="kw">string">"base"</span>, <span class="class="type">class="kw">string">"meta"</span>, <span class="class="type">class="kw">string">"link"</span>, <span class="class="type">class="kw">string">"nextid"</span>, <span class="class="type">class="kw">string">"range"</span>, <span class="comment">class=class="str">"cmt">// body</span> <span class="class="type">class="kw">string">"img"</span>, <span class="class="type">class="kw">string">"br"</span>, <span class="class="type">class="kw">string">"hr"</span>, <span class="class="type">class="kw">string">"frame"</span>, <span class="class="type">class="kw">string">"wbr"</span>, <span class="class="type">class="kw">string">"basefont"</span>, <span class="class="type">class="kw">string">"spacer"</span>, <span class="class="type">class="kw">string">"area"</span>, <span class="class="type">class="kw">string">"param"</span>, <span class="class="type">class="kw">string">"keygen"</span>, <span class="class="type">class="kw">string">"col"</span>, <span class="class="type">class="kw">string">"limittext"</span> ~HtmlParser() { <span class="keyword">if</span>(root != <span class="macro">NULL</span>) { <span class="keyword">class="kw">delete</span> root; } } DomElement *parse(<span class="keyword">class="kw">const</span> <span class="keyword">class="type">class="kw">string</span> &html) { <span class="keyword">if</span>(root != <span class="macro">NULL</span>) { <span class="keyword">class="kw">delete</span> root; } root = <span class="keyword">new</span> DomElement(<span class="class="type">class="kw">string">"root"</span>); cursor = root; offset = <span class="number">class="num">0</span>; <span class="keyword">class="kw">while</span>(processText(html)); <span class="keyword">class="kw">return</span> root; }
「HTML 流式解析里的状态机收口」
把网页里的行情注释喂给 MT5 时，最怕一次把整段 HTML 读进来再正则。上面这段 processText 用的是偏移量游标 + 状态枚举，逐段吐文本，遇到 '<' 才切状态，空白态下若 StringFind 返回 -1 就直接 false 退出，说明流已耗尽。 注意 insideTagOpen 分支里对空格和右尖括号取 MathMin 的手法：pspace 与 pright 任一为 -1 时退化为 MathMax，但随后若 pright 也为 -1 仍返回 false，避免越界死循环。自闭合标签靠 TAG_OPENCLOSE_STOP 在右括号前一位比对，命中就把 pright 左移并置 selfclose，这样 <br/> 类节点不会误进 insideTagClose。 实盘接新闻源时，把 offset 持久化到静态变量，每 tick 只喂新增字符，CPU 占用可能比全量重解析低一个数量级。外汇与贵金属新闻驱动跳空频繁，这类解析失败会让信号滞后，属高风险环节，建议先在策略测试器里用历史 HTML 跑通再上实盘。
class="type">bool processText(class="kw">const class="type">class="kw">string &html) { class="type">int p; if(state == blank) { p = StringFind(html, "<", offset); if(p == -class="num">1) class=class="str">"cmt">// no more tags { class="kw">return(class="kw">false); } else if(p > class="num">0) { if(p > offset) { class="type">class="kw">string text = StringSubstr(html, offset, p - offset); StringTrimLeft(text); StringTrimRight(text); StringReplace(text, " ", ""); if(StringLen(text) > class="num">0) { cursor.setText(text); } } } offset = p; if(IsString(html, COMMENT_START)) state = insideComment; else if(IsString(html, TAG_CLOSE_START)) state = insideTagClose; else if(IsString(html, TAG_OPEN_START)) state = insideTagOpen; class="kw">return(true); } else if(state == insideTagOpen) { offset++; class="type">int pspace = StringFind(html, " ", offset); class="type">int pright = StringFind(html, ">", offset); p = MathMin(pspace, pright); if(p == -class="num">1) { p = MathMax(pspace, pright); } if(p == -class="num">1 || pright == -class="num">1) class=class="str">"cmt">// no tag closing { class="kw">return(class="kw">false); } if(pspace > pright) { pspace = -class="num">1; class=class="str">"cmt">// 外部空间，不考虑 } class="type">bool selfclose = class="kw">false; if(IsString(html, TAG_OPENCLOSE_STOP, pright - StringLen(TAG_OPENCLOSE_STOP) + class="num">1)) { selfclose = true; if(p == pright) p--; pright--; }