2. 程式人生 > >VC6.0 使用mshtml解析html

VC6.0 使用mshtml解析html

阿新 • • 發佈：2018-12-30

測試用例

<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>

標頭檔案：

#include <iostream>
#include <

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

程式碼：

// TestMSHTML.cpp : 定義控制檯應用程式的入口點。
//

#include "stdafx.h"
#include "TestMSHTML.h"
#ifdef _DEBUG
#define new DEBUG_NEW#endif// 唯一的應用程式物件


CWinApp theApp;
FILE * fout;
usingnamespace 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"));
}
//將DOM樹打印出來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( constchar* 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;
}

//呼叫者負責delete wcontentwchar_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 並在失敗時顯示錯誤if (!AfxWinInit(::GetModuleHandle(NULL), NULL, ::GetCommandLine(), 0))
    {
        // TODO: 更改錯誤程式碼以符合您的需要        _tprintf(_T("錯誤: MFC 初始化失敗\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;
}

輸出結果：

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

電腦使用WIN7，根據以上程式碼我修改出了自己的程式碼，但是在vc6中編譯時提示： IID_IMarkupServices未定義，於是開啟標頭檔案：C:\Program Files\Microsoft Visual Studio\VC98\Include\MSHTML.H （vc6中存放位置）與vs2008的標頭檔案進行對比，發現vc6中IID_IMarkupServices未定義，再開啟OLE/COM Object Viewer（Microsoft Visual Studio 6.0->Microsoft Visual Studio 6.0 Tools->OLE Tools）->Type Libraries，找到Microsoft HTML Object Library(Ver 4.0), 搜尋IMarkupServices2 找到如下內容：

 [
      odl,
      uuid(3050F682-98B5-11CF-BB82-00AA00BDCE0B)
    ]
    interface IMarkupServices2 : IMarkupServices {
        HRESULT _stdcall ParseGlobalEx(
                        [in] wireHGLOBAL hglobalHTML,
                        [in] unsigned long dwFlags,
                        [in] IMarkupContainer* pContext,
                        [out] IMarkupContainer** ppContainerResult,
                        [in] IMarkupPointer* pPointerStart,
                        [in] IMarkupPointer* pPointerFinish);
        HRESULT _stdcall ValidateElements(
                        [in] IMarkupPointer* pPointerStart,
                        [in] IMarkupPointer* pPointerFinish,
                        [in] IMarkupPointer* pPointerTarget,
                        [in, out] IMarkupPointer* pPointerStatus,
                        [out] IHTMLElement** ppElemFailBottom,
                        [out] IHTMLElement** ppElemFailTop);
        HRESULT _stdcall SaveSegmentsToClipboard(
                        [in] ISegmentList* pSegmentList,
                        [in] unsigned long dwFlags);
    };

說明在WIN7下面IMarkupServices2的 地址是3050F682-98B5-11CF-BB82-00AA00BDCE0B，

所以在我的檔案裡面添加了如下程式碼：

extern "C" const GUID __declspec(selectany) IID_IMarkupServices =
    {0x3050F682,0x98B5,0x11CF,{0xBB,0x82,0x00,0xAA,0x00,0xBD,0xCE,0x0B}};

再次編譯就OK了；

解析的時候注意要把open的網頁轉換為 wchar_t 型別的

相關推薦

VC6.0 使用mshtml解析html

測試用例 <html><head><title>     Just a Test</title></head><body> gaofeng hello!!<div><table bg

使用MSHTML解析HTML頁面

最近在寫一個爬蟲專案，本來打算用C/C++來實現，在網上查詢有關資料的時候發現了微軟的這個MSHTML庫，最後發現在解析動態頁面的時候它的表現實在是太差：在專案中需要像瀏覽器那樣，執行JavaScript等指令碼然後形成靜態的HTML頁面，最後才分析這個靜態頁面

如何MSHTML名稱空間解析HTML檔案(MSHTML::IHTMLDocument2Ptr 提示錯誤)

1.建立Win32或MFC工程. 2.在預編譯或需要使用MSHTML名稱空間的標頭檔案中新增以下語句：     #include <atlbase.h>    #include <Mshtml.h>     #import <mshtml.tlb

解析html程式(C#版)——遍歷各個節點(mshtml)

/* 在專案裡引用了mshtml.dll，並且引用名稱空間：using mshtml; 首先，引數html就是html文字內容（裡面有markup標記和顯示文字等等） 其次，getHtmlDisplayContent這個函式就是獲取html裡瀏覽器上可看到的內容，即

如何MSHTML名稱空間解析HTML檔案

1.建立Win32或MFC工程. 2.在預編譯或需要使用MSHTML名稱空間的標頭檔案中新增以下語句：     #include <atlbase.h>     #include <Mshtml.h>     #import <mshtml.t

通過使用jsoup解析html,繪畫表格生成execl文件

num group wid 字符 for format 格式 colspan tables 1.獲取文件或者字符設置繪畫表格字符編碼 //得到Document並且設置編碼格式 public static Document getDoc(String fileNam

python 解析html網頁

class find() [] index file 字符 .com 查找 cto pyquery庫是jQuery的Python實現，可以用於解析HTML網頁內容，使用方法： 代碼如下: from pyquery import PyQuery as pq 1、可加載一段H

VC6.0在Win10下的兼容性問題設置（可以試試）

log 可執行 ros .com 機器語言 默認安裝 program lang 軟件開發工具 Microsoft Visual C++ 6.0，簡稱VC6.0，是微軟推出的一款C++編譯器，將“高級語言”翻譯為“機器語言（低級語言）”的程 序。Visual C++是一個功能

Android解析HTML網頁數據 第一個方法Jsoup（一）

原生 日誌 href attr mage connect auto htm baidu 最近發現一些無聊的東西，就是抓取網頁上的數據，然後使用安卓原生代碼顯示出來，或者說借用網頁數據，用自定義的View顯示。 借助jsoup-1.10.2.jar庫，獲取並解析數據。（Jso

jericho解析html

jericho解析html1.導入jar包2.實現源代碼package com.zhishang.lucene; import net.htmlparser.jericho.Element; import net.htmlparser.jericho.HTMLElementName; import net.

使用C#和HtmlAgilityPack解析HTML

load() 需要 有一個 Coding -c href .net tar doc 　　近期，有一個需求，需要解析HTML頁面，讀取一些需要的數據後，插入本地數據庫。我知道可以通過正則表達式實現，然而正則表達式之於我，就像匯編語言之於我，一樣。我知道它是幹什麽的，我也知道它

Beautiful Soup 解析html表格示例

decode rip erro bs4 import bsp exe port pdf from bs4 import BeautifulSoup import urllib.request doc = urllib.request.urlopen(‘http://www

php解析html類庫simple_html_dom

響應 過多 echo 記得 正則 下載 int curl sse 下載地址：https://github.com/samacs/simple_html_dom解析器不僅僅只是幫助我們驗證html文檔；更能解析不符合W3C標準的html文檔。它使用了類似jQuery的元素選擇

關於瀏覽器解析html全過程詳解

col 頁面 def 動態 lib href web 圖片 使用 本人web前端菜鳥一枚，第一次在這裏發博客梳理知識，知識都是從各地方查閱引用以及自己的理解得來，有什麽錯誤的地方歡迎指正。 DOM文檔通常加載的步驟： 1.解析HTML結構。 2.加載外部腳本和樣式表文

Java解析html頁面,獲取想要的元素

parse tails src www 標準 pro 1.8 com 9.png 背景:通過接口訪問數據，獲取的內容是個標準的html格式，使用jsoup的方式獲取頁面元素值 先推薦比較好的博客：http://www.open-open.com/jsoup/、 單個案例比較

Python爬蟲系列（四）：Beautiful Soup解析HTML之把HTML轉成Python對象

調用 nor 結束 版本 現在 name屬性 data 官方文檔 get 在前幾篇文章，我們學會了如何獲取html文檔內容，就是從url下載網頁。今天開始，我們將討論如何將html轉成python對象，用python代碼對文檔進行分析。 (牛小妹在學校折騰了好幾天，也沒把h

JMeter3.0圖形化HTML報告中文亂碼問題處理（轉載）

ada zip 分析 需要 ted 原因 charsets 直接下載 行處理 由於個人在JMeter 3.0的實際應用中，腳本中的Test Plan/Sampler等元件命名都沒有使用中文，所以在之前介紹Dashboard Report特性的博客(原文戳這裏))成文時，沒有

在VC6.0++ 下的調試

方法 斷點調試 大一學生 cnblogs 程序出錯 光標位置 調試 過程 進行 晚上就要給大一學生介紹VC6.0++裏的調試方法，所以提前來熟悉下。 VC下的調試有3個入口 如圖所介紹，分別是 按F5 、 F11 、 Ctrl+F10 進入。 在進入到調試模式後要熟悉以下

微信小程序解析html

tex ima padding add 加載 abi tps 項目目錄 databind 1.下載wxParse：https://github.com/icindy/wxParse並拷貝到項目目錄下與pages同級即可2.在app.wxss全局樣式頭部引入wxParse.w

還在使用vc6.0嗎？？vs2010吧

決定 對象模型 程序編寫 什麽 屬性 建議 平臺 做到 功能 每個人在面對新的事物的時候，總是充滿了排斥感，當vista和win7來臨的時候，我們還在留戀xp，說xp是如何的好，win7是如何的不給力，當然，我們必須承認，xp是一款優秀的操作系統，這個我們無法否認，也不能否