如何提取html中Table 中的元素（急）

Question

我在提取html中的时候，想了好多的方法都不能提取表格中的元素，有那位高手可以指点我一二，不甚感激，分数不够在加！多谢！

Answer 1

以文本方式扫描html文本，按html tag定位到表格呀！

Answer 2

int CSurfSafeParser::Parse(IHTMLElementCollection *p_imgColl)
{
long cElems=0;
// retrieve the count of elements in the collection
HRESULT hr=S_OK;
if (!SUCCEEDED(hr = p_imgColl->get_length( &cElems )))
return __LINE__;
for ( int i=0; i<cElems; i++ )
{
_variant_t vIndex((long)i,VT_I4);
_variant_t var2((long)0,VT_I4);
// VARIANT var2 = { 0 };
LPDISPATCH pDisp;
if (SUCCEEDED(hr = p_imgColl->item( vIndex, var2, &pDisp )))
{
IHTMLTable* pElement = NULL; 
if (SUCCEEDED(hr = pDisp->QueryInterface( IID_IHTMLTable, (LPVOID*)&pElement )))
{
CComPtr<IHTMLTable> ptable(pElement);
DoTable(ptable);
}
pDisp->Release();
} // item
} // for
return 0;
}int CSurfSafeParser::DoTable(IHTMLTable *pElement)
{
HRESULT hr=S_OK;
IHTMLElementCollection* prowCol=NULL;
pElement->get_rows(&prowCol);
if(prowCol)
{
CComPtr<IHTMLElementCollection> rowcolptr(prowCol);
long rowcount=0;
rowcolptr->get_length(&rowcount);
if(rowcount>20)
{
for(int rowi=1;rowi<rowcount;rowi++)
{
VARIANT vIndexRow;
vIndexRow.vt = VT_UINT;
vIndexRow.lVal = rowi;
VARIANT var0 = { 0 };
LPDISPATCH pDisp;
if (SUCCEEDED(hr = rowcolptr->item( vIndexRow, var0, &pDisp )))
{
IHTMLElement* pverboselement=NULL;
if (SUCCEEDED(hr = pDisp->QueryInterface( IID_IHTMLElement, (LPVOID*)&pverboselement )))
{
BSTR bstag;
CComPtr<IHTMLElement> prowptr(pverboselement);
pverboselement->get_tagName(&bstag);
_bstr_t bstrtag(bstag); }
IHTMLTableRow* pElement = NULL; 
if (SUCCEEDED(hr = pDisp->QueryInterface( IID_IHTMLTableRow, (LPVOID*)&pElement )))
{
CComPtr<IHTMLTableRow> prowptr(pElement);
DoRow(prowptr);
}
}


}
}
/*
else
{
CString msg;
msg.Format("table row count:%d",rowcount);
OutputDebugString(msg);
}
*/
}
return 0;
}int CSurfSafeParser::DoRow(IHTMLTableRow *prow)
{
if(!prow)
return __LINE__;
IHTMLElementCollection* pcelcol=NULL;
HRESULT hr=S_OK;
prow->get_cells(&pcelcol);
if(pcelcol)
{
long count =0;
pcelcol->get_length(&count);
if(count!=2)
return __LINE__; VARIANT var0 = { 0 };
VARIANT vIndexRow;
std::string proxyaddr;
vIndexRow.vt = VT_UINT;
{
vIndexRow.lVal = 0;
LPDISPATCH pDisp;
if (SUCCEEDED(hr = pcelcol->item( vIndexRow, var0, &pDisp )))
{
IHTMLElement* pElement = NULL; 
if (SUCCEEDED(hr = pDisp->QueryInterface( IID_IHTMLElement, (LPVOID*)&pElement )))
{
CComPtr<IHTMLElement> prowptr(pElement);
std::string strip = GetCellText(prowptr);
if(strip.length()<4)
return __LINE__;
proxyaddr = strip+":";
}
pDisp->Release();
}
}
{
vIndexRow.lVal = 1;
LPDISPATCH pDisp;
if (SUCCEEDED(hr = pcelcol->item( vIndexRow, var0, &pDisp )))
{
IHTMLElement* pElement = NULL; 
if (SUCCEEDED(hr = pDisp->QueryInterface( IID_IHTMLElement, (LPVOID*)&pElement )))
{
CComPtr<IHTMLElement> prowptr(pElement);
std::string strip = GetCellText(prowptr);
if(strip.length()<4)
return __LINE__;
proxyaddr += strip;
}
pDisp->Release();
}
}
m_nProxyCount++;
g_ProxyList.AddProxy(proxyaddr.c_str());
}
return 0;
}std::string CSurfSafeParser::GetCellText(IHTMLElement *pelement)
{
if(!pelement)
return "";
BSTR bstext;
pelement->get_innerText(&bstext);
_bstr_t bstrtext(bstext);
std::string celltext=(LPCTSTR)bstrtext;
CString msg;
msg.Format("%s:%d cell text:%s",__FILE__,__LINE__,celltext.c_str());
return celltext;
}