Как в 1С получить значение конкретного HTML-тега без ручного разбора текста?

← На главную

При интеграции 1С с веб-сервисами или загрузке данных со сторонних сайтов часто возникает задача получить содержимое определенного блока веб-страницы (например, <div id="main" class="newscontent">). После выполнения запроса через HTTPСоединение разработчик получает весь HTML-документ в виде одной большой строки. Ручной поиск подстрок и вырезание нужных фрагментов функциями работы со строками — процесс трудоемкий и нестабильный при малейшем изменении верстки. Разберем штатные и альтернативные инструменты платформы 1С, которые позволяют напрямую обращаться к нужным тегам и элементам страницы.

Способ 1. Использование штатной объектной модели DOM (ПостроительDOM и ЧтениеHTML)

Самый правильный и платформенный способ извлечения данных из HTML без ручной строковой нарезки — построение дерева документа (DOM). Платформа 1С предоставляет специализированные объекты ЧтениеHTML и ПостроительDOM, которые берут на себя синтаксический разбор разметки.

Рассмотрим по шагам, как загрузить полученный HTML-текст в объектную модель и сразу извлечь узел по его идентификатору (id):

Создаем объект ЧтениеHTML и передаем в него строку с полученным документом.
Используем ПостроительDOM для создания объекта ДокументHTML.
Вызываем метод ПолучитьЭлементПоИдентификатору() для прямого доступа к тегу.

Посмотрим на пример реализации данного алгоритма:


// Получаем HTML-код страницы
Соединение = Новый HTTPСоединение("example.com", 443,,, Новый ЗащищенноеСоединениеOpenSSL);
Запрос = Новый HTTPЗапрос("/pageview.php");
Ответ = Соединение.Получить(Запрос);
ТекстСтраницы = Ответ.ПолучитьТелоКакСтроку();

// Инициализируем чтение HTML
Чтение = Новый ЧтениеHTML;
Чтение.УстановитьСтроку(ТекстСтраницы);

// Строим DOM-дерево
Построитель = Новый ПостроительDOM;
ДокументHTML = Построитель.Прочитать(Чтение);

// Прямой доступ к элементу по id="main"
Элемент = ДокументHTML.ПолучитьЭлементПоИдентификатору("main");
Если Элемент <> Неопределено Тогда
    // Получаем текстовое содержимое внутри тега
    ТекстБлока = Элемент.ТекстовоеСодержимое;
    
    // Получаем значение атрибута class
    КлассЭлемента = "";
    АтрибутКласс = Элемент.Атрибуты.ПолучитьИменованныйУзел("class");
    Если АтрибутКласс <> Неопределено Тогда
        КлассЭлемента = АтрибутКласс.Значение;
    КонецЕсли;
КонецЕсли;

Если у целевого тега нет уникального идентификатора id, проанализируем выборку по имени тега с помощью метода ПолучитьЭлементыПоИмениТега(). Метод возвращает коллекцию СписокУзловDOM, по которой можно пройти циклом:


СписокДивов = ДокументHTML.ПолучитьЭлементыПоИмениТега("div");
Для Индекс = 0 По СписокДивов.Количество() - 1 Цикл
    ТекущийЭлемент = СписокДивов.Получить(Индекс);
    АтрибутКласс = ТекущийЭлемент.Атрибуты.ПолучитьИменованныйУзел("class");
    Если АтрибутКласс <> Неопределено И АтрибутКласс.Значение = "newscontent" Тогда
        ТекстНовостей = ТекущийЭлемент.ТекстовоеСодержимое;
        Прервать;
    КонецЕсли;
КонецЦикла;

Способ 2. Применение XPath-запросов

Когда структура документа сложная, а искомый элемент находится глубоко во вложенности, эффективным решением становится язык выражений XPath. В платформе 1С результат разбора DOM поддерживает вычисление выражений XPath:


ВыражениеXPath = ДокументHTML.СоздатьВыражениеXPath("//div[@id='main' and @class='newscontent']", Неопределено);
РезультатXPath = ВыражениеXPath.Вычислить(ДокументHTML);
ЦелевойУзел = РезультатXPath.ПолучитьСледующий();
Если ЦелевойУзел <> Неопределено Тогда
    Содержимое = ЦелевойУзел.ТекстовоеСодержимое;
КонецЕсли;

Важно: Не пытайтесь разбирать произвольный HTML с помощью объекта ЧтениеXML или пакетов XDTO. В отличие от строгого XML, реальная HTML-разметка страниц часто содержит незакрытые теги (<br>, <img>, <input>) и неэкранированные спецсимволы, что вызовет исключение при попытке чтения через XML-парсер.

Способ 3. Использование COM-объекта HTMLFile (для Windows)

Если разметка на целевом сайте имеет критические ошибки синтаксиса и штатный ПостроительDOM не может корректно разобрать дерево, на платформе под управлением ОС Windows можно воспользоваться встроенным движком MSHTML через COM-соединение. Он максимально толерантен к ошибкам верстки:


HTMLДокумент = Новый COMОбъект("htmlfile");
HTMLДокумент.Open();
HTMLДокумент.Write(ТекстСтраницы);
HTMLДокумент.Close();

Элемент = HTMLДокумент.getElementById("main");
Если Элемент <> Неопределено Тогда
    ТекстБлока = Элемент.innerText;
    ВнутреннийHTML = Элемент.innerHTML;
КонецЕсли;

Обратите внимание: COM-объекты доступны только в среде Windows. Если сервер 1С работает под управлением Linux или в 64-разрядном кластере без соответствующих 32/64-битных библиотек, данный способ применять не следует.

Способ 4. Регулярные выражения (VBScript.RegExp)

Если из всего ответа сервера нужно извлечь единственный конкретный фрагмент без построения полного объектного дерева документа, можно использовать регулярные выражения:


RegExp = Новый COMОбъект("VBScript.RegExp");
RegExp.IgnoreCase = Истина;
RegExp.Global = Ложь;
RegExp.Pattern = "<div[^>]*\bid=[""']main[""'][^>]*>([\s\S]*?)<\/div>";

Совпадения = RegExp.Execute(ТекстСтраницы);
Если Совпадения.Count > 0 Тогда
    НайденныйФрагмент = Совпадения.Item(0).SubMatches.Item(0);
КонецЕсли;

Способ 5. Поиск прямого источника данных (REST / JSON API)

Разберем распространенную ситуацию: современные веб-ресурсы часто строятся по принципу SPA (Single Page Application). В этом случае блок newscontent на стороне сервера пуст, а данные подгружаются скриптами в браузере. Выполняя запрос через HTTPСоединение, вы получите исходный шаблон без реального текста.

Для решения этой задачи откройте целевую страницу в браузере, запустите инструменты разработчика (клавиша F12) и перейдите на вкладку Сеть (Network). Найдите асинхронный XHR/Fetch-запрос, которым браузер запрашивает данные. В большинстве случаев сервер отдает структурированный ответ в формате JSON. Отправив запрос к этому адресу напрямую из 1С, вы сможете разобрать ответ штатной функцией ПрочитатьJSON() без необходимости взаимодействовать с HTML-разметкой.