什么是解析遍历html,解析html程序(C#版)——遍历各个节点(mshtml)

/*

在项目里引用了mshtml.dll，并且引用命名空间：using mshtml;

首先，参数html就是html文本内容(里面有markup标记和显示文本等等)

其次，getHtmlDisplayContent这个函数就是获取html里浏览器上可看到的内容，即从源码中取出显示文本。

最后，traverseNodes是个人写的一个遍历各个节点的一个小小递归程序，没考虑效率什么的，只是想知道怎么使用IHtmlDocument2和IHtmlDocument3接口

Note：当html文档不规范时，比如在

*/

private static string getHtmlDisplayContent(string html)

{

string cont = "";

mshtml.HTMLDocumentClass oc = new mshtml.HTMLDocumentClass();

mshtml.IHTMLDocument2 doc2 = oc;

doc2.write(html);

mshtml.IHTMLDocument3 HTMLDocument = (mshtml.IHTMLDocument3)doc2;

traverseNodes(HTMLDocument.documentElement, ref cont);

//mshtml.IHTMLTitleElement title = (mshtml.IHTMLTitleElement)doc2.title;

/* cont += doc2.title.ToString();

mshtml.IHTMLBodyElement body = (mshtml.IHTMLBodyElement)doc2.body;

if (body.text!=null)

cont += body.text.ToString();

* */

doc2.close();

return cont;

}

private static void traverseNodes(mshtml.IHTMLElement parentNode,ref string cont)

{

if (parentNode.innerText!=null)

cont += parentNode.innerText;

mshtml.IHTMLElementCollection nodes = (IHTMLElementCollection)parentNode.children;

IEnumerator ienum= nodes.GetEnumerator();

while (ienum.MoveNext())

{

IHTMLElement node = (IHTMLElement)ienum.Current;

traverseNodes(node,ref cont);

}

}