使用mshtml解析html

最新推荐文章于 2019-04-16 10:31:41 发布
最新推荐文章于 2019-04-16 10:31:41 发布
阅读量236 收藏 3
点赞数
文章标签： 测试
原文链接：http://www.cnblogs.com/speedmancs/archive/2010/08/11/1797442.html
版权

测试用例

 

ExpandedBlockStart.gif 测试用例
< html >
< head >
< title >
    Just a Test
 </ title >
</ head >
< body >
gaofeng hello!!
 < div >
< table  bgcolor ="red" >

< tr >
< td  bgcolor ="yellow"  border ="2" > Name </ td >
< td  id ="qualify1"  border ="1"  class ="blueBorder"  bgcolor =blue ></ td >
</ tr >
< tr >
< td >< p  id ="qualify2"  class ="blueBorder"  bgcolor ="blue"  border ="1" > Surname </ p ></ td >
< td ></ td >
</ tr >
< tr >
< td > address </ td >
< td ></ td >
</ tr >
</ table >
</ div >
</ body >
</ html >

 

 

头文件

 

#include  < iostream >
#include  < comdef.h >
#include  < mshtml.h >
#include  < string >
#include  < fstream >
#include  < vector >
#include  < map >
#import  < mshtml.tlb >  no_auto_exclude

 

 

测试代码

 

ExpandedBlockStart.gif 代码
//  TestMSHTML.cpp : 定义控制台应用程序的入口点。
 //
#include  " stdafx.h "
#include  " TestMSHTML.h "
#ifdef _DEBUG
 #define  new DEBUG_NEW
#endif


//  唯一的应用程序对象

CWinApp theApp;
FILE  *  fout;
 using   namespace  std;
 // OLECHAR szHTML[] = OLESTR("<HTML><BODY>Hello World!</BODY></HTML>");

typedef   int  BorderAttribute;
 void  FindAllElementHavingBg(IHTMLDocument2  *  pNewDoc,map < BorderAttribute,IHTMLElement  *>&  borderValue2ElementMap)
{
    IHTMLElement  *  pBody;
    pNewDoc -> get_body( & pBody);
    pBody -> Release();
}

 void  PrintTabs( int  n)
{
     for  ( int  i  =   0 ;i < n;i ++ )
    {
         // cout << '\t';
        fwprintf(fout,_T( " \t " ));
    }
}

 void  VisitNode(IHTMLElement *  pElement, int  level)
{
    BSTR strName,strId,strTag;
    PrintTabs(level);
    pElement -> get_className( & strName);
    pElement -> get_id( & strId);
    pElement -> get_tagName( & strTag);
     if  (strTag != NULL)
    {
        fwprintf(fout,_T( " TagName:%s  " ),strTag);
    }
     if  (strName != NULL)
    {
        fwprintf(fout,_T( " className:%s  " ),strName);
    }
     if  (strId  !=  NULL)
    {
        fwprintf(fout,_T( " Id:%s  " ),strId);
    }
    SysFreeString(strName);
    SysFreeString(strId);
    SysFreeString(strTag);
    BSTR strAttrName1  =  _T( " border " );
    BSTR strAttrName2  =  _T( " bgcolor " );
    VARIANT val;

    pElement -> getAttribute(strAttrName1, 2 , & val);
     if  (val.vt  !=  VT_NULL)
    {
         if  (val.bstrVal  !=  NULL)
        {
            fwprintf(fout,_T( " border:%s  " ),val.bstrVal);
        }
    }


    pElement -> getAttribute(strAttrName2, 2 , & val);
     if  (val.vt  !=  VT_NULL)
    {
         if  (val.bstrVal  !=  NULL)
        {
            fwprintf(fout,_T( " bgcolor:%s  " ),val.bstrVal);
        }
    }

    
    fwprintf(fout,_T( " \n " ));
}
 // 将DOM树打印出来
void  Run(IHTMLElement  *  pElement, int  level)
{
    IHTMLElementCollection  *  children;

    VisitNode(pElement,level);


    IDispatch *  pDisp;
    pElement -> get_children( & pDisp);
    pDisp -> QueryInterface(IID_IHTMLElementCollection,( void ** ) & children);
    pDisp -> Release();

     long  len;
    children -> get_length( & len);
    VARIANT dummy;
    dummy.vt  =  VT_I4;
     for  ( int  i  =   0 ;i  <  len;i ++ )
    {
        IHTMLElement *  child;
        dummy.intVal  =  i;
        children -> item(dummy,dummy,(IDispatch ** ) & pDisp);
        pDisp -> QueryInterface(IID_IHTMLElement,( void ** ) & child);
        pDisp -> Release();
        Run(child,level  +   1 );
        child -> Release();
    }
    children -> Release();
}
 void  TestParse(IHTMLDocument2  *  pNewDoc)
{
    BSTR strText;
    IHTMLElement  * pBody;
    pNewDoc -> get_body( & pBody);
    pBody -> get_innerText( & strText);
    wprintf(_T( " %s\n " ),strText);
    SysFreeString(strText);
    

    pNewDoc -> get_title( & strText);
    wprintf(_T( " %s\n " ),strText);
    SysFreeString(strText);
    
    cout  <<   " Run begin.... " << endl;
    Run(pBody, 0 );
    cout  <<   " Run end.... " << endl;

    pBody -> Release();

     // FindAllElementHavingBg(pNewDoc);

}
 void  TestMSHTML(wchar_t  *  wcontent)
{
    IHTMLDocument2  * pDoc  =  NULL;
    CoInitialize(NULL);
    CoCreateInstance(CLSID_HTMLDocument, 
                     NULL, 
                     CLSCTX_INPROC_SERVER, 
                     IID_IHTMLDocument2, 
                    (LPVOID  * )  & pDoc);

     if  (pDoc)
    {
        IPersistStreamInit  * pPersist  =  NULL;
        pDoc -> QueryInterface(IID_IPersistStreamInit, 
                             (LPVOID  * )  & pPersist);
         if  (pPersist)
        {
            IMarkupServices  * pMS  =  NULL;
            pPersist -> InitNew();
            pPersist -> Release();
            pDoc -> QueryInterface(IID_IMarkupServices, 
                                (LPVOID  * )  & pMS);

             if  (pMS)
            {
                IMarkupContainer  * pMC  =  NULL;
                IMarkupPointer  * pMkStart  =  NULL;
                IMarkupPointer  * pMkFinish  =  NULL;
                pMS -> CreateMarkupPointer( & pMkStart);
                pMS -> CreateMarkupPointer( & pMkFinish);
                pMS -> ParseString(wcontent,
                     0 , 
                     & pMC, 
                    pMkStart, 
                    pMkFinish);

                 if  (pMC)
                {
                    IHTMLDocument2  * pNewDoc  =  NULL;

                    pMC -> QueryInterface(IID_IHTMLDocument, 
                        (LPVOID  * )  & pNewDoc);

                     if  (pNewDoc)
                    {
                         //  do anything with pNewDoc, in this case 
                         //  get the body innerText.
                        TestParse(pNewDoc);
    
                        pNewDoc -> Release();
                    }

                    pMC -> Release();
                }

                 if  (pMkStart)
                    pMkStart -> Release();

                 if  (pMkFinish)
                    pMkFinish -> Release();

                pMS -> Release();
            }
        }

        pDoc -> Release();
    }

    CoUninitialize();

}

inline wchar_t *  AnsiToUnicode(  const   char *  szStr )
{
     int  nLen  =  MultiByteToWideChar( CP_ACP, MB_PRECOMPOSED, szStr,  - 1 , NULL,  0  );
     if  (nLen  ==   0 )
    {
         return  NULL;
    }
    wchar_t *  pResult  =   new  wchar_t[nLen + 1 ];
    MultiByteToWideChar( CP_ACP, MB_PRECOMPOSED, szStr,  - 1 , pResult, nLen );
    pResult[nLen]  =  L ' \0 ' ;
     return  pResult;
}

 // 调用者负责delete wcontent
wchar_t  *  ReadFromHtmlFile( string  str, string   &  content)
{
    ifstream fin(str.c_str());
     string  line;
     while (getline(fin,line))
    {
     //     cout << line << endl;
        content  =  content  +  line;
    }
     // cout << content << endl;
     // cout << content.size() << endl;
     // printf("original html code\n%s\n",content.c_str());
    wchar_t  *  wcontent  =  AnsiToUnicode(content.c_str()); 
     // wprintf(L"after transferred\n%s\n",wcontent);
     // delete[] wcontent;
    fin.close();
    fin.clear();
     return  wcontent;
}

 int  _tmain( int  argc, TCHAR *  argv[], TCHAR *  envp[])
{
     int  nRetCode  =   0 ;

     //  初始化 MFC 并在失败时显示错误
     if  ( ! AfxWinInit(::GetModuleHandle(NULL), NULL, ::GetCommandLine(),  0 ))
    {
         //  TODO: 更改错误代码以符合您的需要
        _tprintf(_T( " 错误: MFC 初始化失败\n " ));
        nRetCode  =   1 ;
    }
     else
    {
        fout  =  fopen( " out.txt " , " w " );
         string  str  =   " test.html " ;
         string  content;
        wchar_t  *  wcontent  =  ReadFromHtmlFile(str,content);
         int  len  =  wcslen(wcontent);
         // cout << len << endl;
        
        TestMSHTML(wcontent);
        delete[] wcontent;
        fclose(fout);
    }
    
     return  nRetCode;
}
输入结果
TagName:BODY
 TagName:DIV
  TagName:TABLE bgcolor:#ff0000
   TagName:TBODY
    TagName:TR
     TagName:TD border:2 bgcolor:#ffff00
     TagName:TD className:blueBorder Id:qualify1 border:1 bgcolor:#0000ff
    TagName:TR
     TagName:TD
      TagName:P className:blueBorder Id:qualify2 border:1 bgcolor:blue
     TagName:TD
    TagName:TR
     TagName:TD
     TagName:TD

 

 

转载于:https://www.cnblogs.com/speedmancs/archive/2010/08/11/1797442.html

weixin_30527551
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
MSHTML.h头文件（实现网页信息获取的兄弟可以下载）
03-30
MSHTML.h把HTML页面中的元素封装成了IHTMLInputElement、IHTMLInputButtonElement、IHTMLInputTextElement、IHTMLTextAreaElement、IHTMLTitleElement、IHTMLFormElement等等组件接口。 用webbrowser加上MSHTML.h可以实现把网页信息获取到浏览器组件中。
使用MSHTML解析HTML页面
热门推荐
Masimaro的专栏
06-01 1万+
最近在写一个爬虫项目，本来打算用C/C++来实现，在网上查找有关资料的时候发现了微软的这个MSHTML库，最后发现在解析动态页面的时候它的表现实在是太差：在项目中需要像浏览器那样，执行JavaScript等脚本然后形成静态的HTML页面，最后才分析这个静态页面。但是MSHTML在执行JavaScript等脚本时需要配合WebBroswer这个ActiveX控件，这个控件又必须在GUI程序中使用，但是
使用MSHTML解析HTML代码
不得闲.闲忆居
12-06 7459
从国外站点转过来的：C++版本：I have a lot ofexperience in programming low-level MSHTML and I always see questionson how one can use MSHTML to parse HTML and then access elements viathe DOM. Well,
mshtml一些用法
tangyanzhi1111的专栏
12-14 2017
获取某个tags集合      CString allPointData;                         IDispatch *pDisp = webbrowser.get_Document();       IHTMLDocument2* pDocument;        IHTMLElementCollection* pCollection;
关于MSHTML
weixin_34270606的博客
06-24 129
本文翻译自http://msdn.microsoft.com/workshop/browser/mshtml/overview/overview.aspMSDN Home &gt;  MSDN Library &gt;  Programming and Reusing the Browser &gt;  Overviews/Tutorials 关于MSHTML 訪问动态HTML(DHTM...
Delphi通过MSHTML实现一个HTML解析类
06-30
在Delphi中，我们可以通过导入MSHTML库来访问这些接口，这为我们提供了一种高效且灵活的方式来解析HTML文档。 要创建一个基于MSHTML的HTML解析类，我们需要完成以下步骤： 1. **导入MSHTML库**：在Delphi中，我们...
.net中mshtml处理html的方法
10-27
在.NET框架中，MSHTML库（也称为SHDocVw）提供了一种强大的方式来处理HTML文档，尤其适用于解析、操作和显示网页内容。MSHTML是Internet Explorer浏览器的核心组件，它封装了完整的HTML解析器和DOM（文档对象模型）...
C++ 使用MSHTML分析html
03-22
在 C++ 开发环境下使用 MSHTML 来解析和操作 HTML 内容是一种常见的需求。MSHTML 是 Microsoft 提供的一个强大的 HTML 渲染引擎，它允许开发者通过 COM (Component Object Model) 接口来控制 HTML 文档的加载、解析...
MSHTML.rar_MSHTML_VC Html_mshtml c++_mshtml vc_site:www.pudn.co
最新发布
09-14
本教程主要探讨如何在VC++环境中使用MSHTML库进行HTML的解析、渲染以及与网页元素的交互。 MSHTML，全称Microsoft HTML Object Library，是Windows操作系统中用于处理HTML内容的核心组件，它提供了丰富的接口，可以...
MSHTML最好用的HTML解析程序
04-25
MSHTML最好用的HTML解析程序，最好用的HTMLParser，比HtmlAgilityPack好用一万倍
MSHTMLDemo
06-01
一个在控制台下使用MShtml解析HTML文档的demo
关于MSHTML控件使用的问题
weixin_33894640的博客
11-12 101
我们一般在Winform的开发中，需要使用HTML的地方，很多时候，需要用到WebBrowser这个控件，这个控件是引用了MSHTML.dll这个COM类库的，在开发的时候感觉很好，很强大，可是发布给客户的时候，很多时候，就因为这个COM控件，会出现很多令人头痛的问题，因为这个控件导致的问题，也有很多解决方法，但是问题还是经常发生。 我曾经修改完成过一个HTML Editor的控件（WinFor...
【26】使用webbroser和mshtml解析网页
业余玩家
08-09 543
C#采集网页的方式：webclient，webbroser，httprequest，当然还有其他的方式，这次为了解析网页，主要使用了webbroser这种方式，这种方式也是比较简单的一种，但是感觉速度不行，可能是电脑或者网络的原因，其他的方式没有做尝试，下次再试试其他的两种。 首先，你需要在工具栏中找到webbroser这个控件，然后拖到窗口合适的位置，就...
如何MSHTML命名空间解析HTML文件(MSHTML::IHTMLDocument2Ptr 提示错误)
Code Captain的专栏
12-12 3903
1.创建Win32或MFC工程.2.在预编译或需要使用MSHTML命名空间的头文件中添加以下语句：    #include     #include     #import 3.前置条件设置完成，现在可以开始使用MSHTML访问里面的智能指针了。例：MSHTML::IHTMLDocument2Ptr pHTMLDoc2;MSHTML::IHTMLDocument3Ptr pHTMLDoc3;……然后解析自己需要的HTML元素。
VC MSHTML解析HTML获得RSS源CparseHTML类
zhihu008的专栏
12-11 2435
//CparseHTML.h #include #include #include #include #include #include #pragma   warning (disable: 4786) #include #pragma warning(disable : 4146) //see Q231931 for explaintation #import
18avalon - 指令ms-text 与 ms-html
阿甘兄
04-16 1127
ms-text文本绑定 文本绑定是最简单的绑定,它其实是双花括号插值表达式的一种形式 它要求VM对应的属性的类型为字符串, 数值及布尔, 如果是null, undefined将会被转换为空字符串 <span ms-text="@aaa">不使用过滤器</span> <span ms-text="@aaa | uppercase">使用过滤器</span&g...
VC6.0 使用mshtml解析html
jinyaba的专栏
12-03 2541
这一段转至：http://www.cnblogs.com/speedmancs/archive/2010/08/11/1797442.html 测试用例 html> head> title>     Just a Test title> head> body> gaofeng hello!! div> table bgcolor="red"> tr> td bgcol
MSHTML.DSO解析HTML文档技术详解
DSO全称Data Space Object，它能够读取HTML文档的内容，并将其解析成ActiveX Data Objects (ADO) 的记录集。这个记录集就像是一个数据库表格，每个记录对应HTML文档中的一个部分，通过记录集，开发者可以方便地访问...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值