asp.net使用Microsoft.mshtml提取网页标题等解析网页

1.  添加对Microsoft.mshtml这个程序集的引用

2.  使用WebClient等方法下载网页源代码（乱码解决方法：webClient.Encoding =Encoding.UTF8;）

    或者使用这里面的方法下载网页源代码：http://blog.csdn.net/ful1021/article/details/9399705

3. 用法如下：

 

                WebClient wc = new WebClient();
                string html = wc.DownloadString("");
                wc.Encoding = Encoding.UTF8;

                HTMLDocumentClass doc = new HTMLDocumentClass();
                doc.designMode = "on"; //不让解析引擎去尝试运行javascript
                doc.IHTMLDocument2_write(html);
                string title = doc.title;
                string text = doc.body.innerText;
                //更多用法自己探索
                //所有Dom方法都能在mshtml中调用

 

 

3.  在使用的过程中遇到两个问题：

3.1、VS2010中引用Microsoft.mshtml之后，要修改这个引用的“嵌入互操作类型”为False。

3. 2、调用doc.write方法的时候必须通过IHTMLDocument2接口来调用，否则报错“错误的类型”，在google上搜“type mismatch HTMLDocument write”发现这篇帖子http://www.vistax64.com/powershell/95133-how-powershell-parse-htmldocument.html ，提到必须通过IHTMLDocument2接口来调用，不明白为什么，没深入研究，有高手可以帮助解释一下。

 

转载于:https://www.cnblogs.com/fyy1003668657/p/8086220.html