C#中利用Markup Service实现HTML解析为DOM Tree

王朝c#·作者佚名  2006-11-24
窄屏简体版  字體: |||超大  

一个轻量级Parsing 实现。这个代码不会从网上下载任何资料,也不会执行任何脚本,纯属Parsing。

Parsing是通过MSHTML的Markup Service实现的。要正确使用这个代码,需要添加MSHTML引用。

由于.net中没有定义IPersistStreamInt接口,就必须自己实现,接口定义:

以下内容为程序代码:

[ComVisible(true), ComImport(), Guid("7FD52380-4E07-101B-AE2D-08002B2EC713 " ) , InterfaceTypeAttribute(ComInterfaceType.InterfaceIsIUnknown)]

public interface IPersistStreamInit

{

void GetClassID([In, Out] ref Guid pClassID);

[return: MarshalAs(UnmanagedType.I4)] [PreserveSig]

int IsDirty();

void Load([In, MarshalAs(UnmanagedType.Interface)] UCOMIStream pstm);

void Save([In, MarshalAs(UnmanagedType.Interface)] UCOMIStream pstm,

[In, MarshalAs(UnmanagedType.I4)] int fClearDirty);

void GetSizeMax([Out, MarshalAs(UnmanagedType.LPArray)] long pcbSize);

void InitNew();

}

以下内容为程序代码:

unsafe IHTMLDocument2 Parse(string s)

{

IHTMLDocument2 pDocument=new HTMLDocumentClass();

if(pDocument!=null)

{

IPersistStreamInit pPersist=pDocument as IPersistStreamInit ;

pPersist.InitNew();

pPersist=null;

IMarkupServices ms=pDocument as IMarkupServices ;

if(ms!=null)

{

IMarkupContainer pMC=null;

IMarkupPointer pStart,pEnd;

ms.CreateMarkupPointer(out pStart);

ms.CreateMarkupPointer(out pEnd);

StringBuilder sb=new StringBuilder(s);

IntPtr pSource=Marshal.StringToHGlobalUni(s);

ms.ParseString(ref *(ushort*)pSource.ToPointer(),0,out pMC,pStart,pEnd);

if(pMC!=null)

{

Marshal.Release(pSource);

return pMC as IHTMLDocument2;

}

Marshal.Release(pSource);

}

}

return null;

}

写代码的时候出了一点问题,IMarkupService::ParseString第一个参数是ref ushort,显然要传入HTML代码,这个ushort必须是第一个WideChar了,所以这里通过使用不安全代码来绕过编译器警告。

 
 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
 
 
© 2005- 王朝網路 版權所有 導航