?VC6中用DOM遍歷網(wǎng)頁中的元素

2005-4-21 6:56:47　　作者：模板天下收集整理　　來源：未知　網(wǎng)友評論 0 條　論壇286 　　
一、摘要

　　在我們編寫的程序中，如果想要實(shí)現(xiàn)對瀏覽器打開的網(wǎng)頁進(jìn)行監(jiān)視、模擬操縱、動態(tài)提取用戶輸入、動態(tài)修改......等功能，那么請你抽出寶貴的時(shí)間，繼續(xù)往下閱讀。本文介紹的知識和示例程序都是圍繞如何遍歷 HTML 中的表單(form)并枚舉出表單域的屬性為目標(biāo)的，對于網(wǎng)頁中的其它元素，比如圖象、連接、腳本等等，應(yīng)用同樣的方法都可以輕松實(shí)現(xiàn)。

　　二、網(wǎng)頁的文檔層次結(jié)構(gòu)

　　IE 瀏覽器，采用 DOM（文檔對象模型）來管理網(wǎng)頁的數(shù)據(jù)。它通過一個(gè)容器（IWebBrowser2/IHTMLWindow2）來裝載網(wǎng)頁文檔（IHTMLDocument2），而一個(gè)文檔，又可以由 0 或多個(gè)貞(frame)組成，管理這些貞的接口叫“框架集合（IHTMLFramesCollection2）”,而每個(gè)貞的容器又是IHTMLWindow2，和IWebBrowser2一樣，它也裝載著各自的文檔（IHTMLDocument2）。因此，我們的第一個(gè)任務(wù)，就是想方設(shè)法能夠得到IHTMLDocument2的接口。因?yàn)槲臋n可能包含貞，而貞又包含著子文檔，子文檔可能再包含貞......，如此要得到所有的文檔，這里有一個(gè)遞歸遍歷的處理過程。

　　得到文檔（IHTMLDocument2）后，下一步任務(wù)就是要設(shè)法取得表單了（IHTMLFormElement）。因?yàn)樵谝粋€(gè)文檔中可以包含 0 或多個(gè)表單(form)，而管理這些表單的又是一個(gè)表單集合（IHTMLElementCollection），所以必須先得到集合，然后再枚舉出所有的表單條目了。

　　得到表單（IHTMLFormElement）后，接下來的事情就簡單了，逐個(gè)提取表單中的元素（也叫表單域 IHTMLInputElement）就可以讀寫這些域的屬性了。

三、程序?qū)崿F(xiàn)

　　<1> 取得 IHTMLDocument2 的接口指針。根據(jù)IE瀏覽器的運(yùn)行方式，有多種不同的方式可以獲取文檔指針。

　　<1.1> 如果你在程序中使用MFC的 CHtmlView 視來瀏覽網(wǎng)頁。

　　取得文檔的方法最簡單，調(diào)用 CHtmlView::GetHtmlDocument() 函數(shù)。

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

　　取得文檔的方法也比較簡單，調(diào)用 CWebBrowser2::GetDocument() 函數(shù)。

　　<1.3> 如果你的程序是用 ATL 寫的 ActiveX 控件。

　　那么需要調(diào)用 IOleClientSite::GetContainer 得到 IOleContainer 接口，然后就可以通過 QueryInterface() 查詢得到 IHTMLDocument2 的接口。主要代碼如下：

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

　　<1.4> 如果你的程序是用 MFC 寫的 ActiveX 控件。

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

　　<1.5> IE 瀏覽器作為獨(dú)立的進(jìn)程正在運(yùn)行。

　　每個(gè)運(yùn)行的瀏覽器（IE 和 資源瀏覽器）都會在 ShellWindows 中進(jìn)行登記，因此我們要通過 IShellWindows 取得實(shí)例（示例程序中使用的就是這個(gè)方法）。主要代碼如下：

#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); // 取得瀏覽器實(shí)例個(gè)數(shù)

　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;

　　　　// 程序運(yùn)行到此，已經(jīng)找到了 IHTMLDocument2 的接口指針
　　　}
}

　　<1.6> IE 瀏覽器控件被一個(gè)進(jìn)程包裝在一個(gè)子窗口中。那么你首先要得到那個(gè)進(jìn)程的頂層窗口句柄（使用 FindWindow() 函數(shù)，或其它任何可行的方法），然后枚舉所有子窗口，通過判斷窗口類名是否是“Internet Explorer_Server”，從而得到瀏覽器的窗口句柄，再向窗口發(fā)消息取得文檔的接口指針。主要代碼如下：

#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; // 找到第一個(gè) IE 控件的子窗口就停止
　}
　else return TRUE; // 繼續(xù)枚舉子窗口
};

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;

　// 程序運(yùn)行到此，已經(jīng)找到了 IHTMLDocument2 的接口指針
}

　　<2> 得到了 IHTMLDocument2 接口指針后，如果網(wǎng)頁是單貞的，那么轉(zhuǎn)第<4>步驟。如果是多貞（有子框架）則還需要遍歷所有的子框架。這些子框架（IHTMLWindow2），被保存在集合中（IHTMLFramesCollection2）,取得集合指針的方法比較簡單，取屬性 IHTMLDocument2::get_frames()。

　　<3> 首先取得子框架的總數(shù)目 IHTMLFramesCollection::get_length()，接著就可以循環(huán)調(diào)用 IHTMLFramesCollection::item()函數(shù)一個(gè)一個(gè)地取得子框架 IHTMLWindow2 指針，然后轉(zhuǎn)第<1>步。

　　<4> 一個(gè)文檔中可能擁有多個(gè)表單，因此還是同樣的道理，先要取得表單的集合（IHTMLElementCollection，其實(shí)這個(gè)不光是表單的集合，其他元素的集合，比如圖片集合也是用它）。這個(gè)操作也很簡單，取得屬性 IHTMLDocument2::get_forms()。

　　<5> 屬性 IHTMLElementCollection::get_length() 得到表單總數(shù)目，就可以循環(huán)取得每一個(gè)表單指針了 IHTMLElementCollection::item()。

　　<6> 在第<5>步中的item()函數(shù)，得到的是一個(gè)IDispatch的指針，你通過QueryInterface()查詢，就可以得到 某類型輸入的指針，代碼如下：

// 假設(shè) spDisp 是由IHTMLElementCollection::item() 得到的 IDispatch 指針
CComQIPtr < IHTMLInputTextElement > spInputText(spDisp);
CComQIPtr < IHTMLInputButtonElement > spInputButton(spDisp);
CComQIPtr < IHTMLInputHiddenElement > spInputHidden(spDisp);
......
if ( spInputText )
{
　//如果是文本輸入表單域
}
else if ( spInputButton )
{
　//如果是按紐輸入表單域
}
else if ( spInputHiddent )
{
　//如果是隱藏輸入表單域
}
else if ........ //其它輸入類型

　　上面的方法，由于使用具體類型的接口指針，因此程序的效率比較高。但是通過 QueryInterface 接口查詢，然后再進(jìn)行條件判斷顯然是比較煩瑣的，所以這個(gè)方法適合于特定的已知網(wǎng)頁設(shè)計(jì)內(nèi)容的程序。在示例程序中，我則是直接使用 IDispatch 接口進(jìn)行操作的，這個(gè)方式執(zhí)行起來稍微慢一些，但程序比較簡單。主要代碼和說明如下：#include < atlbase.h >
CComModule _Module; // 由于需要使用 CComDispatchDriver 的 IDispatch 包裝類ATL智能指針，所以這個(gè)是必須的

#include < atlcom.h >
......
long nElemCount=0; //表單域的總數(shù)目
spFormElement->get_length( &nElemCount );

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

　CComVariant vName,vVal,vType; // 域名稱，域值，域類型
　spInputElement.GetPropertyByName( L"name", &vName );
　spInputElement.GetPropertyByName( L"value",&vVal );
　spInputElement.GetPropertyByName( L"type", &vType );
　// 使用 IDispatch 的智能指針的好處就是：象上面這樣讀取、設(shè)置屬性很簡單
　// 另外調(diào)用 Invoke 函數(shù)也異常方便，Invoke0(),Invoke1(),Invoke2()....
　......
}

　　四、結(jié)束語

　　示例程序在 VC6 下編譯執(zhí)行通過。運(yùn)行方法：隨便啟動幾個(gè) IE 瀏覽網(wǎng)頁，最好是有表單輸入的網(wǎng)頁。然后執(zhí)行示例的 EXE 程序即可。

總結(jié)

以上是生活随笔為你收集整理的VC6中用DOM遍历网页中的元素的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。