html源文件获取

Question

各位大侠，我做了一个使用WEB BROSWER控件获取html源文件的代码，目标是将其保存在本地文件里，代码如下：
IHTMLDocument2 *pHTMLDocument=NULL; 
IPersistStreamInit *pPSI=NULL; 
ULONG ActualTextLength = 0; IStream *pStream=NULL; 
HGLOBAL hHTMLText;  if (!(pHTMLDocument = (IHTMLDocument2*)m_wndBrowser.get_Document())) //获取Document
return;  if (FAILED(pHTMLDocument->QueryInterface(&pPSI))) //获取IPersistStreamInit 指针
{ 
// pHTMLDocument->Release(); 
return;
}  //hHTMLText = GlobalAlloc(GMEM_FIXED, 10000);//分配内存
//memset((char*)hHTMLText,NULL,10000);//初始化清空
CreateStreamOnHGlobal(NULL, TRUE, &pStream);//将内存与流绑定 
pPSI->Save(pStream, FALSE);//保存html到流对象         CString strMsg;
pStream->Read(strMsg.GetBuffer(),10000,&ActualTextLength);//我想把pStream流中的内容保存在CString 或是一个指针中
CString strPrint;
strPrint.Format("ActualTextLength:%d!", ActualTextLength);
AfxMessageBox( strPrint, MB_OK );        writefile(....);
不过ActualTextLength的值始终为0，感觉是没有读到东西，不知道是不是pStream的函数我没有用对?应该怎么改？
CreateStreamOnHGlobal函数的第一个参数我用的是NULL，是在其它帖子里看见的，我主要是因为不知道怎么获取网页的大小（请指点），又想让内存分配可以适应网页（不用分一个固定的很大的值，比如：10000...），所以创建了流后，想将其的内容保存在CString ，不知道用的对不对？

Answer 1

用IStream::stat可以获取流中的数据占用的内存大小。
IStream直接读入到CString中可能存在风险，因为流里面保存的字符串可能是任何编码类型，ANSI/UTF-8/UTF-16...等等，保存成文件是没问题的，要保存到字符串应该直接调用
IHTMLDocument3::get_documentElement 后再调用get_outerHTML获得UNICODE字符串。

Answer 2

#include <stdio.h>
#include <windows.h>
#include <wininet.h>
#pragma comment(lib,"Wininet.lib")
#include <vector>
using namespace std; 
int main(int argc, char* argv[])
{
    vector<char> v;
    CHAR szUrl[] = "http://www.baidu.com/";
    CHAR szAgent[] = "";
    HINTERNET hInternet1 = 
        InternetOpen(NULL,INTERNET_OPEN_TYPE_PRECONFIG,NULL,NULL,NULL);
    if (NULL == hInternet1)
     {
        InternetCloseHandle(hInternet1);
        return FALSE;
     }
    HINTERNET hInternet2 = 
        InternetOpenUrl(hInternet1,szUrl,NULL,NULL,INTERNET_FLAG_NO_CACHE_WRITE,NULL);
    if (NULL == hInternet2)
     {
        InternetCloseHandle(hInternet2);
        InternetCloseHandle(hInternet1);
        return FALSE;
     }
    DWORD dwMaxDataLength = 500;
    PBYTE pBuf = (PBYTE)malloc(dwMaxDataLength*sizeof(TCHAR));
    if (NULL == pBuf)
     {
        InternetCloseHandle(hInternet2);
        InternetCloseHandle(hInternet1);
        return FALSE;
     }
    DWORD dwReadDataLength = NULL;
    BOOL bRet = TRUE;
    do 
    {
        ZeroMemory(pBuf,dwMaxDataLength*sizeof(TCHAR));
        bRet = InternetReadFile(hInternet2,pBuf,dwMaxDataLength,&dwReadDataLength);
        for (DWORD dw = 0;dw < dwReadDataLength;dw++)
         {
            v.push_back(pBuf[dw]);
         }
     } while (NULL != dwReadDataLength);
    char *str = new char[v.size+1];
    copy(v.begin(),v.end(), str);
    str[v.size()]=0;
    
    HANDLE hFile = CreateFile(_T("C:\\MyFile.txt"), GENERIC_WRITE, FILE_SHARE_READ, NULL, CREATE_ALWAYS, FILE_ATTRIBUTE_NORMAL, NULL);//创建文本文件
     CFile myFile(hFile); 
    myFile.Write(str, lstrlen(str));//将文本写入文件
    myFile.Close();//关闭流
    return 0;
} 
这个是把www.baidu.com的源代码写如C:\MtFile.txt中

Answer 3

谢谢各位的帮助，但是问题没有解决，新代码如下：
ULONG ActualTextLength = 0;
m_wndBrowser.Navigate(("www.baidu.com"),NULL,NULL,NULL,NULL);
IHTMLDocument2 *pHTMLDocument=NULL; 
IPersistStreamInit *pPSI=NULL;  IStream *pStream=NULL; 
HGLOBAL hHTMLText;  if (!(pHTMLDocument = (IHTMLDocument2*)m_wndBrowser.get_Document())) //获取Document 
return 1;  if (FAILED(pHTMLDocument->QueryInterface(&pPSI))) //获取IPersistStreamInit 指针 
{ 
// pHTMLDocument->Release(); 
return 1; 
}  CreateStreamOnHGlobal(NULL, TRUE, &pStream);//将内存与流绑定 
pPSI->Save(pStream, FALSE); STATSTG statstg;
pStream->Stat(&statstg,STATFLAG_DEFAULT); //CString str.Format("%s%s",statstg.cbSize.HighPart,statstg.cbSize.LowPart);
ActualTextLength=statstg.cbSize.LowPart;//assume<4GB   
unsigned char* ptext= new unsigned char[ActualTextLength+1];  
memset(ptext,NULL,(ActualTextLength+1)); ULONG ReadSize = 0;
pStream->Read(ptext,ActualTextLength,&ReadSize);使用Stat后，可以得到网页大小-->ActualTextLength（3397），但是使用Read的时候ReadSize的值始终为0，ptext中也没有网页，这是怎么回事儿，指点指点，急！

Answer 4

大虾，你说的“IHTMLDocument3::get_documentElement 后再调用get_outerHTML获得UNICODE字符串。”其中的IHTMLDocument3接口我应该怎么获取？

Answer 5

IHTMLDocument2::QueryInterface --> IHTMLDocument3