Windows有没有接口函数可以解析HTML,构建DOM树（用IHTMLDocument?）？

Question

用WebBrowser空间得到IHTMLDocument借口可以完成解析，但我不希望WebBrowser渲染网页，仅仅希望解析出DOM树就可以了。
有什么接口函数可以做到？

Answer 1

IHTMLDOMNode
IHTMLDOMNode2
IHTMLDOMAttribute
IHTMLDOMAttribute2msdn 例子：
IHTMLDOMNode* pElemDN;
IDispatch* pACDisp;
IHTMLAttributeCollection* pAttrColl;
IDispatch* pItemDisp;
IHTMLDOMAttribute* pItem;LONG lACLength;
VARIANT vACIndex;
BSTR bstrName;
VARIANT vValue;
VARIANT_BOOL vbSpecified;m_pElem->QueryInterface(IID_IHTMLDOMNode, (void**)&pElemDN);
pElemDN->get_attributes(&pACDisp);
pACDisp->QueryInterface(IID_IHTMLAttributeCollection, (void**)&pAttrColl);
pAttrColl->get_length(&lACLength);vACIndex.vt = VT_I4;
for (int i = 0; i < lACLength; i++)
{
    vACIndex.lVal = i;
    pAttrColl->item(&vACIndex, &pItemDisp);
    pItemDisp->QueryInterface(IID_IHTMLDOMAttribute, (void**)&pItem);
    pItem->get_specified(&vbSpecified);
    pItem->get_nodeName(&bstrName);
    pItem->get_nodeValue(&vValue);
    pItemDisp->Release();
    pItem->Release();
}pElemDN->Release();
pACDisp->Release();
pAttrColl->Release();

Answer 2

在只有html文件的情况下，怎样取得IHTMLDOMNode及相应的接口？
怎样能不通过WebBrwoser控件而获得IHTMLDocument接口？

Answer 3

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> 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。
  <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。
  <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
}  <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<3>是一致的了。
  <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 > 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
}
}  <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
}

Answer 4

我啥都没有，只有一个xxx.htm文件，怎样得到此HTML文件的IHTMLDocument接口？不通过WebBrowser等其它控件，直接得到IHTMLDocument接口，而无须渲染页面(节省不必要的开支)。
其实就是想通过IHTMLDocument接口操作页面执行一些动作。

Answer 5

用tinyXml类来解析， 超轻量级超好用， 免费。

Answer 6

那就用XML操作类实现吧MSXML.DLL所包括的主要COM接口有：
1. IXMLDOMDocument(Document接口)
DOMDocument 对象是XML DOM的基础，你可以利用它所暴露的属性和方法来浏览、查询和修改XML文档的内容和结构。DOMDocument表示了树的顶层节点，它 实现了DOM文档的所有的基本方法，并且提供了额外的成员函数来支持XSL和XSLT。它创建了一个文档对象，所有其他的对象都可以从这个文档对象中得到 和创建。
2. IXMLDOMNode(Node接口)
IXMLDOMNode是文档对象模型(DOM)中的基本对象，元素、属性、注释、过程指令和其他的文档组件都可以认为是IXMLDOMNode。事实上，DOMDocument对象本身也是一个IXMLDOMNode对象。
3. IXMLDOMNodeList
IXMLDOMNodeList实际上是一个节点(Node)对象的集合，节点的增加、删除和变化都可以在集合中立刻反映出来，可以通过"for.循环 "结构来遍历所有的节点。

Answer 7

我想通过IHTMLDocument接口执行一些动作，比如通过IHTMLFormElement接口执行submit动作，就可以自动发痛表单了，这样的目的XML操作类能做到吗？不是为了读取和编辑HTML文件。