采集网页选定部分全攻略

在 VCKBASE 混了这么久竟然没有写出一篇文章，想想很是惭愧，每当在这里看到一篇好文，这种感觉尤甚，总结我在程序员加油站中的一些技术点写了这个文章(虽然程序员加油站还要继续开发，但是由于时间关系不知道什么时候能完成)，如果有时间我还会写一些文章的，我的写作水平可能很差，希望读者能够包涵。 程序原理： 一、在IE菜单中加入菜单项 　　在注册表HKEY_CURRENT_USER\Software\Microsoft\Internet Explorer\MenuExt项下建立一个新项，项的名称即为出现在菜单中的标题 将新建项的默认值设定为一个URL地址，当用户点击菜单项后，IE就会调用URL指向的页面中的脚本。 二、如何控制菜单项在合适的时候显示 　　下面再介绍一下上面注册项中Contexts项的作用，通过该项可以制定菜单项在右键点击IE中的什么对象时出现，它可以为以下值的“或”组合 　 对象  值 缺省  0x1 图片  0x2 控件  0x4 表单域  0x8 选择文本  0x10 锚点  0x20 超链接  0x22 例如上面我们希望菜单项在用户点击图片或者超链接时出现，那么我们就将值设置为 dword:00000022 既在点击图片 或者 锚点时出现菜单。一个锚点是页面中描述一个超链接的对象。如果不设置Contexts 项，则菜单项会在点击任何对象时出现在右键菜单中。 注： 　　一二部分我引用了《如何在IE右键菜单中添加菜单项以及如何添加IE任务栏按钮》这篇文章的部分内容，详细内容请看： http://www.csdn.net/develop/read_article.asp?id=3621 三、编辑点击菜单项执行的script脚本 　　这个脚本的文件名和1中的链接文件一致这个是我用的脚本： <script language="VBScript"> Sub OnContextMenu() set nc=CreateObject("Test2.testa.1") nc.GetHtmlText() end sub Call OnContextMenu() </script> //看到网海拾贝中这样用 <script language="VBScript"> Sub OnContextMenu() NCWEBPAGE=1 NCSELWEBPAGE=2 NCSELTEXT=3 NCALLTEXT=4 NCIMAGE=5 NCALLIMAGE=6 NCALLLINK=7 NCALLLINKTITLE=8 NCSELSOURCECODE=9 NCSOURCECODE=10 On Error Resume Next set nc=CreateObject("NcActive.NcCollect") if err<>0 then MsgBox("网海拾贝没有正确安装") else //但是这个参数至今不知道如何在控件中得到 call Nc.Gethtmldoc(NcSelText,external.menuArguments.document) end if end sub Call OnContextMenu() </script> 四、在注册表中加入 HKEY_LOCAL_MACHINE\\SOFTWARE\\Microsoft\\Windows\\CurrentVersion\\Uninstall \\程序员加油站加入ArticlePath - 文档存盘路径(string),ArticleNumber -文档序号(dword)。 五、写一个ATL的DLL，就是上面脚本中调用的那个对象，提供一个接口GetHtmlText(),看到有些其他程序使用external.menuArguments.document做为参数，可是我没试验成功，无法直接获得其中的document所以只能用笨方法了,取得当前窗口，然后取得IE子窗口的句柄,然后取得document指针,取得选取的内容，然后保存网页，并下载图片。 　　下面就介绍一下ATL组件的制作,主要技术包括ATL编程，IE编程，注册表操作。 1,用ATL COM模板创建一个工程 2,加入一个接口testa 3,加入Urlmon.Lib 和 #include <urlmon.h> 4,加入接口函数GetHtmlText() 实现如下： STDMETHODIMP Ctesta::GetHtmlText() { //保存网页内容的目录 char chFilePath[MAX_PATH]; DWORD Number = 0; CRegistry reg; reg.Open(HKEY_LOCAL_MACHINE, "SOFTWARE\\Microsoft\\Windows\\CurrentVersion\\Uninstall\\程序员加油站\\"); BOOL ret = reg.ReadDWORD("ArticleNumber",&Number); if(!ret) return S_FALSE; //读取保存网页文件的目录 ret = reg.ReadString("ArticlePath",chFilePath); if(!ret) return S_FALSE; //取得当前活动窗口的窗口句柄 HWND hWnd = GetActiveWindow(); CoInitialize( NULL ); //显式装载 MSAA 判断是否被安装 HINSTANCE hInst = ::LoadLibrary( _T("OLEACC.DLL") ); if ( hInst != NULL ) { if ( hWnd != NULL ) { HWND hWndChild=NULL; // 取得当前窗口的IE子窗口指针 ::EnumChildWindows( hWnd, EnumChildProc, (LPARAM)&hWndChild ); if ( hWndChild ) { //定义IE文档 CComPtr pHTMLDoc; LRESULT lRes; //由于WM_HTML_GETOBJECT非Windows标准消息,所以需要RegisterWindowMessage UINT nMsg = ::RegisterWindowMessage( _T("WM_HTML_GETOBJECT") ); ::SendMessageTimeout( hWndChild, nMsg, 0L, 0L, SMTO_ABORTIFHUNG, 1000, (DWORD*)&lRes ); LPFNOBJECTFROMLRESULT pfObjectFromLresult = (LPFNOBJECTFROMLRESULT)::GetProcAddress( hInst, _T("ObjectFromLresult") ); if ( pfObjectFromLresult != NULL ) { HRESULT hr; //获取网页的IHTMLDocument2接口 hr = (*pfObjectFromLresult)( lRes, IID_IHTMLDocument, 0, (void**)&pHTMLDoc ); if ( SUCCEEDED(hr) ) { CComPtr pSelObj; CComPtr pTxtRange; //根据IHTMLDocument2指针取得IHTMLSelectionObject接口指针 pHTMLDoc->get_selection(&pSelObj); //再获得IHTMLTxtRange指针 hr = pSelObj->createRange((IDispatch**)&pTxtRange); if(!CheckResult(hr,"pTxtRange")) return hr; //选择所有被选择的内容 pTxtRange->select(); BSTR bstrTxt,bstrTxt1; char strPath[MAX_PATH]; char *strTxt = NULL; char*strTxt1 = NULL; //取得主站域名 CComPtr pLocation; pHTMLDoc->get_location(&pLocation); pLocation->get_hostname(&bstrTxt1); strTxt1 = _com_util::ConvertBSTRToString(bstrTxt1); sprintf(strPath,"http://%s",strTxt1); SaveCharToFile(strTxt1,debugpath); //取得选中的内容 pTxtRange->get_htmlText(&bstrTxt); strTxt = _com_util::ConvertBSTRToString(bstrTxt); //下载内容中的图片资源，并修改相应链接 std::string webpage; char chSavePath[MAX_PATH]; sprintf(chSavePath,"%s\\T%ld.htm",chFilePath,Number); CreateAllDirectory(chSavePath); //取得所有图片资源并保存网页 if(CheckData(strTxt,strPath,chFilePath,Number,webpage) == FALSE) SaveCharToFile(strTxt,chSavePath,TRUE); else SaveCharToFile(webpage.c_str(),chSavePath,TRUE); BOOL ret = reg.WriteDWORD("ArticleNumber",++Number); //释放内存 if(strTxt1) delete[] strTxt1; if(strTxt) delete[] strTxt; SysFreeString(bstrTxt1); // 用完释放 SysFreeString(bstrTxt); // 用完释放 } } } } // else Internet Explorer is not running ::FreeLibrary( hInst ); } // else Active Accessibility is not installed CoUninitialize(); return S_OK; } 　　在取得选取网页内容之后，需要对HTML内容进行重新编辑以获得正确的显示,CheckData函数便是做这个工作的这个函数对HTML内容中图像信息的地址进行编辑，如果图像保存在本地则使用本地图像，如果图像没有下载保持原样。 BOOL CheckData(const LPCTSTR data, const LPCTSTR host, const LPCTSTR path, DWORD Number, std::string &outstring) { char chImgPath[1024];//图像路径 !:由于有些图像路径可能会很长所以申请内存多一点 char chImgSrc[MAX_PATH];//图像地址 char chDownLoadPath[MAX_PATH];//下载图像文件路径 char chWriteImgSrc[MAX_PATH];//图像文件路径 memset(chImgPath,0,1024); memset(chImgSrc,0,MAX_PATH); memset(chDownLoadPath,0,MAX_PATH); memset(chWriteImgSrc,0,MAX_PATH); char dirname[20];//根目录名 ltoa(Number,dirname,10); try{ //查找是否有<img标记 const char *p1 = FindString(data,"<img"); const char *p2 = FindString(p1,"src=\""); const char *p3 = FindString(p2+5,"\""); const char *p4 = FindString(p1,">"); if(p1 == NULL||p2 == NULL||p3 == NULL||p4 == NULL) return FALSE; //找到一个图像文件标记 //拷贝图像链接之前的文字 int n = p4-p1+1; strncpy(chImgPath,p1,n); outstring.append(data,p2-data+5); //提取图像链接 n = p3-p2-5; strncpy(chImgSrc,p2+5,n); if(FindString(chImgSrc,"http://") == NULL){ if(FindString(chImgSrc,"..")) strcpy(chImgSrc,&chImgSrc[2]); sprintf(chDownLoadPath,"%s%s",host,chImgSrc); sprintf(chWriteImgSrc,"%s//%s%s",path,dirname,chImgSrc); }else{ strcpy(chDownLoadPath,chImgSrc); const char *p5 = FindString(chImgSrc+7,"/"); sprintf(chWriteImgSrc,"%s\\%s%s",path,dirname,&chImgSrc[p5-chImgSrc]); } char Output[MAX_PATH]; sprintf(Output,"图像地址:%s\r\n存盘地址:%s\r\n主机地址:%s\r\n",chImgSrc,chWriteImgSrc,host); SaveCharToFile(Output,debugpath); n = strlen(chWriteImgSrc); for(int i=0;i<n;i++){ if(chWriteImgSrc[i] == ''''/'''') chWriteImgSrc[i] = ''''\\''''; } //在下载之前先建立保存图像文件的路径 CreateAllDirectory(chWriteImgSrc); //下载图像文件 HRESULT hr = URLDownloadToFile( NULL, chDownLoadPath, chWriteImgSrc, 0, NULL); if( SUCCEEDED(hr))// { const char *p6 = FindString(chDownLoadPath+7,"/"); sprintf(chWriteImgSrc,"%s%s",dirname,&chDownLoadPath[p6-chDownLoadPath]); //将存盘的路径保存进字符串 }else{ strcpy(chWriteImgSrc,chDownLoadPath); //没有下载成功将原始路径保存进 } outstring.append(chWriteImgSrc); outstring.append(p3,p4-p3+1); BOOL ret = CheckData(p4+1,host,path,Number,outstring); if(!ret){ outstring.append(p4+1); } }catch(...){ return FALSE; } return TRUE; } 其他几个辅助函数这里简单介绍,详细内容请参看源代码 函数:void SaveCharToFile 功能:将字符串保存为给定文件名 const LPCTSTR data,//[IN] 给定待保存的数据 const LPCTSTR saveFileName,//[IN]给定文件名 BOOL flag = FALSE//[IN]追加写入还是覆盖标志 函数:const char *FindString 功能:在给定字符串中查找给定字符串 const LPCTSTR source,//[IN] 给定源字符串的数据 const LPCTSTR key)//[IN]待查字符串 函数:void CreateAllDirectory 功能:创建给定路径的所有未建目录 const char* AllPath)//[IN] 需要创建的详细目录 例如 输入为:"d:\a\b\c\d"则在D盘下创建相应a,b,c,d相应目录 　　好了，到此为止，我们已经做成一个取得网页选取内容的并保存在本地的程序,你可以举一反三，将它应用到更有趣更有用的领域。 这个程序是我研究了一周才写完的，其中取得domument的方法我觉得很笨，可我现在没有找到好办法，希望能够抛砖引玉，有更好的方法别忘了告诉我，我的Email:lgtest@sina.com欢迎来信讨论。