VC6中用DOM遍历网页中的元素

2005-4-21 6:56:47　　作者：模板天下收集整理　　来源：未知　网友评论 0 条　论坛286 　　
一、摘要

　　在我们编写的程序中，如果想要实现对浏览器打开的网页进行监视、模拟操纵、动态提取用户输入、动态修改......等功能，那么请你抽出宝贵的时间，继续往下阅读。本文介绍的知识和示例程序都是围绕如何遍历 HTML 中的表单(form)并枚举出表单域的属性为目标的，对于网页中的其它元素，比如图象、连接、脚本等等，应用同样的方法都可以轻松实现。

　　二、网页的文档层次结构

　　IE 浏览器，采用 DOM（文档对象模型）来管理网页的数据。它通过一个容器（IWebBrowser2/IHTMLWindow2）来装载网页文档（IHTMLDocument2），而一个文档，又可以由 0 或多个贞(frame)组成，管理这些贞的接口叫“框架集合（IHTMLFramesCollection2）”,而每个贞的容器又是IHTMLWindow2，和IWebBrowser2一样，它也装载着各自的文档（IHTMLDocument2）。因此，我们的第一个任务，就是想方设法能够得到IHTMLDocument2的接口。因为文档可能包含贞，而贞又包含着子文档，子文档可能再包含贞......，如此要得到所有的文档，这里有一个递归遍历的处理过程。

　　得到文档（IHTMLDocument2）后，下一步任务就是要设法取得表单了（IHTMLFormElement）。因为在一个文档中可以包含 0 或多个表单(form)，而管理这些表单的又是一个表单集合（IHTMLElementCollection），所以必须先得到集合，然后再枚举出所有的表单条目了。

　　得到表单（IHTMLFormElement）后，接下来的事情就简单了，逐个提取表单中的元素（也叫表单域 IHTMLInputElement）就可以读写这些域的属性了。

三、程序实现

　　<1> 取得 IHTMLDocument2 的接口指针。根据IE浏览器的运行方式，有多种不同的方式可以获取文档指针。

　　<1.1> 如果你在程序中使用MFC的 CHtmlView 视来浏览网页。

　　取得文档的方法最简单，调用 CHtmlView::GetHtmlDocument() 函数。

　　<1.2> 如果你的程序中使用了“Web 浏览器” 的ActiveX 控件。

　　取得文档的方法也比较简单，调用 CWebBrowser2::GetDocument() 函数。

　　<1.3> 如果你的程序是用 ATL 写的 ActiveX 控件。

　　那么需要调用 IOleClientSite::GetContainer 得到 IOleContainer 接口，然后就可以通过 QueryInterface() 查询得到 IHTMLDocument2 的接口。主要代码如下：

CComPtr < IOleContainer > spContainer;
m_spClientSite->GetContainer( &spContainer );
CComQIPtr < IHTMLDocument2 > spDoc = spContainer;
if ( spDoc )
{
　// 已经得到了 IHTMLDocument2 的接口指针
}

　　<1.4> 如果你的程序是用 MFC 写的 ActiveX 控件。

　　那么需要调用 COleControl::GetClientSite() 得到 IOleContainer 接口，然后的操作和<1.3>是一致的了。

　　<1.5> IE 浏览器作为独立的进程正在运行。

　　每个运行的浏览器（IE 和资源浏览器）都会在 ShellWindows 中进行登记，因此我们要通过 IShellWindows 取得实例（示例程序中使用的就是这个方法）。主要代码如下：

#include < atlbase.h >
#include < mshtml.h >

void FindFromShell()
{
　CComPtr< IShellWindows > spShellWin;
　HRESULT hr = spShellWin.CoCreateInstance( CLSID_ShellWindows );
　if ( FAILED( hr ) ) return;

　long nCount=0;
　spShellWin->get_Count(&nCount); // 取得浏览器实例个数

　for(long i=0; i<nCount; i++)
　{
　　CComPtr< IDispatch ><nCount; i++)
　　{
　　　CComPtr< IDispatch ><nCount; i++)
　　　{
　　　　CComPtr< IDispatch > spDisp;
　　　　hr=spShellWin->Item(CComVariant( i ), &spDisp );
　　　　if ( FAILED( hr ) ) continue;

　　　　CComQIPtr< IWebBrowser2 > spBrowser = spDisp;
　　　　if ( !spBrowser ) continue;

　　　　spDisp.Release();
　　　　hr = spBrowser->get_Document( &spDisp );
　　　　if ( FAILED ( hr ) ) continue;

　　　　CComQIPtr< IHTMLDocument2 > spDoc = spDisp;
　　　　if ( !spDoc ) continue;

　　　　// 程序运行到此，已经找到了 IHTMLDocument2 的接口指针
　　　}
}

　　<1.6> IE 浏览器控件被一个进程包装在一个子窗口中。那么你首先要得到那个进程的顶层窗口句柄（使用 FindWindow() 函数，或其它任何可行的方法），然后枚举所有子窗口，通过判断窗口类名是否是“Internet Explorer_Server”，从而得到浏览器的窗口句柄，再向窗口发消息取得文档的接口指针。主要代码如下：

#include < atlbase.h >
#include < mshtml.h >
#include < oleacc.h >
#pragma comment ( lib, "oleacc" )

BOOL CALLBACK EnumChildProc(HWND hwnd,LPARAM lParam)
{
　TCHAR szClassName[100];

　::GetClassName( hwnd, &szClassName, sizeof(szClassName) );
　if ( _tcscmp( szClassName, _T("Internet Explorer_Server") ) == 0 )
　{
　　*(HWND*)lParam = hwnd;
　　return FALSE; // 找到第一个 IE 控件的子窗口就停止
　}
　else return TRUE; // 继续枚举子窗口
};

void FindFromHwnd(HWND hWnd)
{
　HWND hWndChild=NULL;
　::EnumChildWindows( hWnd, EnumChildProc, (LPARAM)&hWndChild );
　if(NULL == hWndChild) return;

　UINT nMsg = ::RegisterWindowMessage( _T("WM_HTML_GETOBJECT") );
　LRESULT lRes;
　::SendMessageTimeout( hWndChild, nMsg, 0L, 0L, SMTO_ABORTIFHUNG, 1000, (DWORD*) &lRes );

　CComPtr < IHTMLDocument2 > spDoc;
　HRESULT hr = ::ObjectFromLresult ( lRes, IID_IHTMLDocument2, 0 , (LPVOID *) &spDoc );
　if ( FAILED ( hr ) ) return;

　// 程序运行到此，已经找到了 IHTMLDocument2 的接口指针
}

　　<2> 得到了 IHTMLDocument2 接口指针后，如果网页是单贞的，那么转第<4>步骤。如果是多贞（有子框架）则还需要遍历所有的子框架。这些子框架（IHTMLWindow2），被保存在集合中（IHTMLFramesCollection2）,取得集合指针的方法比较简单，取属性 IHTMLDocument2::get_frames()。

　　<3> 首先取得子框架的总数目 IHTMLFramesCollection::get_length()，接着就可以循环调用 IHTMLFramesCollection::item()函数一个一个地取得子框架 IHTMLWindow2 指针，然后转第<1>步。

　　<4> 一个文档中可能拥有多个表单，因此还是同样的道理，先要取得表单的集合（IHTMLElementCollection，其实这个不光是表单的集合，其他元素的集合，比如图片集合也是用它）。这个操作也很简单，取得属性 IHTMLDocument2::get_forms()。

　　<5> 属性 IHTMLElementCollection::get_length() 得到表单总数目，就可以循环取得每一个表单指针了 IHTMLElementCollection::item()。

　　<6> 在第<5>步中的item()函数，得到的是一个IDispatch的指针，你通过QueryInterface()查询，就可以得到某类型输入的指针，代码如下：

// 假设 spDisp 是由IHTMLElementCollection::item() 得到的 IDispatch 指针
CComQIPtr < IHTMLInputTextElement > spInputText(spDisp);
CComQIPtr < IHTMLInputButtonElement > spInputButton(spDisp);
CComQIPtr < IHTMLInputHiddenElement > spInputHidden(spDisp);
......
if ( spInputText )
{
　//如果是文本输入表单域
}
else if ( spInputButton )
{
　//如果是按纽输入表单域
}
else if ( spInputHiddent )
{
　//如果是隐藏输入表单域
}
else if ........ //其它输入类型

　　上面的方法，由于使用具体类型的接口指针，因此程序的效率比较高。但是通过 QueryInterface 接口查询，然后再进行条件判断显然是比较烦琐的，所以这个方法适合于特定的已知网页设计内容的程序。在示例程序中，我则是直接使用 IDispatch 接口进行操作的，这个方式执行起来稍微慢一些，但程序比较简单。主要代码和说明如下：#include < atlbase.h >
CComModule _Module; // 由于需要使用 CComDispatchDriver 的 IDispatch 包装类ATL智能指针，所以这个是必须的

#include < atlcom.h >
......
long nElemCount=0; //表单域的总数目
spFormElement->get_length( &nElemCount );

for(long j=0; j< nElemCount; j++)
{
　CComDispatchDriver spInputElement; // IDispatch 的智能指针
　spFormElement->item( CComVariant( j ), CComVariant(), &spInputElement );

　CComVariant vName,vVal,vType; // 域名称，域值，域类型
　spInputElement.GetPropertyByName( L"name", &vName );
　spInputElement.GetPropertyByName( L"value",&vVal );
　spInputElement.GetPropertyByName( L"type", &vType );
　// 使用 IDispatch 的智能指针的好处就是：象上面这样读取、设置属性很简单
　// 另外调用 Invoke 函数也异常方便，Invoke0(),Invoke1(),Invoke2()....
　......
}

　　四、结束语

　　示例程序在 VC6 下编译执行通过。运行方法：随便启动几个 IE 浏览网页，最好是有表单输入的网页。然后执行示例的 EXE 程序即可。

VC6中用DOM遍历网页中的元素相关推荐

python中的enumerate函数用于遍历序列中的元素以及它们的下标
enumerate 函数用于遍历序列中的元素以及它们的下标: >>> for i,j in enumerate(('a','b','c')): print i,j 0 a 1 b ...
C#获取网页中某个元素的位置，并模拟点击
我们在开发中,往往要得到网页中某个元素的位置,并且点击它.要模拟一次鼠标点击并不难,只要调用一个API就行了,关键就是怎么样得到这个元素的位置,还有判断是否要滚动滚动条,要滚动多少行能让元素显示出来. ...
精确定位网页中各个元素的位置
精确定位网页中各个元素的位置有两种方法:使用表格或层.使用表格是目前比较通用的做法,具体方法是:先在网页中建立一个表格,注意表格的边框宽度应为0.然后再把各个元素按照你的要求放在各个表格单元之中.仔细 ...
VC 监视网页中的元素事件
通过近两个月的学习<Internet Explorer 5.0程序设计>,我终于知道该怎样来挂接一个网页中各元素的事件,现将我解决方法告知如下: 本例利用C++来捕获IE网页中的元素事件. ...
JAVA遍历数组中的元素
package com.yang;public class Demo01 {public static void main(String[] args) {int[] a={25,64,19,48,9 ...
利用for循环把遍历数组中的元素依次获取出来数组笔记及基本知识点
利用for循环把遍历数组中的元素依次获取出来数组索引号从0开始所以i必须从0开始 i<6 <script>var arr = ['blue', 2, true, 4, 5, 6 ...
【Linux】Shell脚本中如何使用“循环”遍历“数组”中的元素（包括MySQL的常用指令介绍）
一.背景实习过程中,今天mentor突然让我拉取一下远端园区数据库中的部分信息,因为包含很多不同园区的数据信息,而且要以园区为单位生成文件来对数据进行存放,因此自然是需要使用shell脚本来自动生成 ...
CSS定位网页中的元素
relative相对定位偏移设置:left.right.top.bottom 值单位:px 元素的规律: 相对定位元素的规律设置相对定位的盒子会相对它原来的位置通过指定偏移,到达新的位置. 设置相 ...
java 获取js html_JS获取网页中HTML元素的几种方法
编写js程序的时候最常使用的就是获取网页中的html元素,并进行处理,我在网上发现了一篇获取html对象的几种方法进行整理的帖子,发上来大家一块学习~ getElementById getElemen ...

VC6中用DOM遍历网页中的元素

VC6中用DOM遍历网页中的元素相关推荐

最新文章

热门文章