用HTMLDocumentClass分析Html代码（以及读取HtmlElement所有属性方法）

大家可能经常会需要分析一段Html代码，有的人可能会用WebBrowser，这个方法不错，其实微软还提供了另一个组件，mshtml（引用Microsoft.mshtml，这个可能有好几个大家记得引用Framework目录下的那个），这个东西提供分析html代码的方法，而且用起来非常的方便。

[csharp] view plain copy print ?

1. HTMLDocumentClass doc = new HTMLDocumentClass();  
2. IHTMLDocument2 doc2 = doc;  
3. doc2.write(html);  //html就是外面传进来的html代码  

            HTMLDocumentClass doc = new HTMLDocumentClass();
            IHTMLDocument2 doc2 = doc;
            doc2.write(html);  //html就是外面传进来的html代码

使用的时候只需要递归doc对象childNodes即可

[csharp] view plain copy print ?

1. IHTMLDOMChildrenCollection collect = (IHTMLDOMChildrenCollection)doc.childNodes;  
2. foreach (IHTMLDOMNode node in collect)  
3. {  
4.     //因为关闭节点也会有（比如</a>，但是这样的节点会被定义为HTMLUnknownElementClass）   
5.     //所以要判断这个节点是不是未知节点不是才处理   
6.     if (!(node is HTMLUnknownElementClass))  
7.     {  
8.   
9.  //获取属性集合   
10.         IHTMLAttributeCollection attrs = (IHTMLAttributeCollection)node.attributes;    
11.         foreach (IHTMLDOMAttribute attr in attrs)  
12.         {  
13.   
14.             //只有specified=true的属性才是你要的   
15.             if (attr.specified)  
16.             {  
17.                   
18.             }  
19.         }  
20.     }  
21. }  

            IHTMLDOMChildrenCollection collect = (IHTMLDOMChildrenCollection)doc.childNodes;
            foreach (IHTMLDOMNode node in collect)
            {
                //因为关闭节点也会有（比如</a>，但是这样的节点会被定义为HTMLUnknownElementClass）
                //所以要判断这个节点是不是未知节点不是才处理
                if (!(node is HTMLUnknownElementClass))
                {

　　　　　　　　　　   //获取属性集合
                    IHTMLAttributeCollection attrs = (IHTMLAttributeCollection)node.attributes;  
                    foreach (IHTMLDOMAttribute attr in attrs)
                    {

                        //只有specified=true的属性才是你要的
                        if (attr.specified)
                        {
                            
                        }
                    }
                }
            }

顺便说一下，IHTMLDOMNode对象其实是所有节点（包括关闭节点比如"</a>"这个也算一个IHTMLDOMNode）

所以大家判断是不是开头的节点只要判断一下是不是不等于HTMLUnknownElementClass

大家如果使用WebBrowser肯能一直有个困惑WebBrowser提供的HtmlElement对象没有提供Attribute属性集合，也就无法通过循环获得节点的所有属性，其实通过mshtml可以解决这个问题。大家可用DomDocument转换为HTMLDocumentClass

[csharp] view plain copy print ?

1. WebBrowser wb = new WebBrowser();  
2. HTMLDocumentClass cls = (HTMLDocumentClass)wb.Document.DomDocument;  

            WebBrowser wb = new WebBrowser();
            HTMLDocumentClass cls = (HTMLDocumentClass)wb.Document.DomDocument;

转换以后用得到的HTMLDocumentClass就可操作所有属性了。

转自：http://blog.csdn.net/wsxqaz/article/details/7326502