如何提取html中的所有超链接，不用ie控件！

Question

已知该html的url,html的内容，
如何分析出该html链接的所有url?
要求在比较准确的境况下，尽量提高执行效率。

Answer 1

procedure TForm1.Button1Click(Sender: TObject);
var
  ShellWindow: IShellWindows;
  nCount: integer;
  spDisp: IDispatch;
  i: integer;
  vi: OleVariant;
  IE1: IWebBrowser2;
  IDoc1: IHTMLDocument2;
begin
  ShellWindow := CoShellWindows.Create;
  nCount := ShellWindow.Count;  for i := 0 to nCount - 1 do
  begin
    vi := i;
    spDisp := ShellWindow.Item(vi);
    spDisp.QueryInterface( iWebBrowser2, IE1 );
    if IE1 <> nil then
    begin
      memo1.Lines.Add( 'Location: '+ie1.LocationName );      IE1.Document.QueryInterface(IHTMLDocument2,iDoc1);
      if iDoc1 <> nil then
      begin
        memo1.Lines.add( 'Title: ' + IDOC1.Title );
        memo1.Lines.add( 'Url: ' + IDOC1.url);
      end;
    end;
  end;
end;

Answer 2

刚才那个不是，试试这个：
unit ligwin1;interfaceuses
  Windows, Messages, SysUtils, Classes, Graphics, Controls, Forms, Dialogs,
  StdCtrls;type
  TForm1 = class(TForm)
    Label1: TLabel;
    Label2: TLabel;
    procedure FormCreate(Sender: TObject);
    procedure FormDestroy(Sender: TObject);
  private
    { Private declarations }
    control,KeyId:integer;
    hotkeyid:ATOM;
  public
    { Public declarations }
    procedure WMHOTKEY(var Msg:TMessage);message WM_HOTKEY;
  end;var
  Form1: TForm1;
  ThisUrl:PChar;implementation{$R *.DFM}
function EnumChildWindowsProc(H:HWnd;lparam:longint):Boolean;stdcall;
var
  Buffer: array[0..10] of Char;
begin
  Result:=True;
  GetClassName(h,buffer,10);
  if trim(StrPas(Buffer))='Edit' then
  begin
    SendMessage(h,WM_GETTEXT,249,Integer(ThisUrl));
    Result:=False;
  end;
end;procedure TForm1.WMHOTKEY(var Msg:TMessage);
var
 h:HWND;
 buffer:array[0..256] of char;
 temp:String;
begin
 if (Msg.LParamHi=KeyId) and (Msg.LParamLo=control) then
   begin
    Msg.Result:=1;
    h:=GetForegroundWindow;
    GetClassName(h,buffer,255);
    if StrPas(buffer)='IEFrame' then
      begin
       EnumChildWindows(h,@EnumChildWindowsProc,0);
       GetWindowText(h,buffer,255);
       buffer[Pos(' - ',buffer)]:=Char(0);
       temp:='当前网页的URL是：'+ThisUrl+#13#10+'当前网页Title是：'+buffer;
       MessageBox(h,PChar(temp),'提示信息',MB_OK)
      end;
   end;
end;procedure TForm1.FormCreate(Sender: TObject);
begin
 ThisUrl:=StrAlloc(250);
 control:=MOD_CONTROL or MOD_SHIFT ;KeyId:=$43;
 hotkeyid:=GlobalAddAtom('UserDefineHotKey')-$C000;
 RegisterHotKey(Handle,hotkeyid,control,KeyId);
end;procedure TForm1.FormDestroy(Sender: TObject);
begin
 UnregisterHotKey(Handle,hotkeyid);
 DeleteAtom(hotkeyid);
end;end.

Answer 3

你好象误解了我的意思，
我不是要得到ie中的当前网址，
我的意思是要解析html文本，得到url

Answer 4

两种方案:
1.通过MSHTML封装的COM接口
2.自己编写HTML解析引擎要哪种?http://renzhen.org/article/list.asp?id=187

Answer 5

可惜不是PERL，不能用正则表达式。那估计是高效的，
听说BOOST里面的那个REG什么的处理表达式的都比PERL的慢。

Answer 6

http://www.vclxx.org/DELPHI/D32FREE/REGEXPR.ZIP下载上面这个单元文件,即可获得对正则表达式的支持,当然如果不想自己编写,用MS提供的COM接口是最方便的!

Answer 7

提取原代码，再查找<a href>.....</a> 把这段文本拷到剪切板就可以，
就是不知道怎么提取原代码！哈哈做个记号。

Answer 8

如果是<a name="xxx" href="...">...</a>呢?如果双引号换成单引号,如果没有引号,如果...!也把问题太简单化了,取HTML代码倒是真的很简单!论坛里找找!

Answer 9

其实用NMhttp控件就可得到原代码，只不过还得把现在IE中的地址传给他

Answer 10

如果按照标准规范来解析HTML代码是很简单的，可问题是网络上大量的网页都是不
规范的，IE的兼容性好，也能显示出来，但是你自己做，也想做到这样高的兼容性可不太容易。

Answer 11

软件报有个连载，是关于falshGet和NetAnt二次开发的。就有你想要的。
以FlashGet为例，装完后其中的文件jc_all.htm，就是用来提取所有网页上链接的。对应命令是使用网际快车下载全部链接，jc_link.htm用来提取当前链接，对就命令是使用网际快车下载。

Answer 12

网页上有一个文本连接例如：
首页，它的连接属性是http://www.csdn.net
楼主问的是如何得到http://www.csdn.net！

Answer 13

在C＋＋用boost里面的REGEX，自带的例子2就是用来做这种事情的
不过我转到WIN里面去看了一下，编译好大，160K左右

Answer 14

那个函数的接口就是这个了。
void parser(const std::string& fromfile,std::list<std::string>& slist)

Answer 15

给个信箱，我已经实现了。并且支持带框架的网页。注册新浪9M纯免费邮箱 -  http://members.sina.com.cn/emailchart.html
注册邮箱 -  http://members.sina.com.cn/apply/
企业邮箱 -  http://mail.sina.net/
首页 -  http://www.sina.com.cn/
新闻 -  http://news.sina.com.cn/
娱乐 -  http://ent.sina.com.cn/
游戏 -  http://games.sina.com.cn/
男性 -  http://man.sina.com.cn/
宠物 -  http://bj.sina.com.cn/pet/
旅游 -  http://travel.sina.com.cn/
文化 -  http://cul.sina.com.cn/
邮箱 -  http://mailhome.sina.com.cn/
北京 -  http://bj.sina.com.cn/
同学录 -  http://viafriend.sina.com.cn/
企业 -  http://www.sina.net/
短信 -  http://sms.sina.com.cn/
搞笑 -  http://sms.sina.com.cn/docs/c/fcxh.html?from=425
体育 -  http://sports.sina.com.cn/
搜索 -  http://search.sina.com.cn/
无线 -  http://wireless.sina.com.cn/
军事 -  http://jczs.sina.com.cn/
女性 -  http://eladies.sina.com.cn/
星座 -  http://astro.sina.com.cn/
城市 -  http://city.sina.net/
读书 -  http://book.sina.com.cn/
饮食 -  http://eat.sina.com.cn/
上海 -  http://sh.sina.com.cn/
高尔夫 -  http://golf.sina.com.cn/
招商 -  http://gov.sina.net/
订阅 -  http://sms.sina.com.cn/ringtone/custom.shtml
图片 -  http://sms.sina.com.cn/ringtone/piclist.shtml
科技 -  http://tech.sina.com.cn/
汽车 -  http://auto.sina.com.cn/
培训 -  http://edu.sina.com.cn/el/
留学 -  http://edu.sina.com.cn/a/index.shtml
英语 -  http://edu.sina.com.cn/en/index.shtml
育儿 -  http://baby.sina.com.cn/
贺卡 -  http://ecards.sina.com.cn/
动漫 -  http://comic.sina.com.cn/
笑话 -  http://newbbs4.sina.com.cn/index.shtml?living:xiaohua
广东 -  http://gd.sina.com.cn/
下载区 -  http://tech.sina.com.cn/down/
黄页 -  http://yp.sina.net/
交友 -  http://love.meme.com.cn/
铃声 -  http://sms.sina.com.cn/ringtone/ringtone.shtml
财经 -  http://finance.sina.com.cn/
房产 -  http://housing.sina.com.cn/
教育 -  http://edu.sina.com.cn/
出国 -  http://edu.sina.com.cn/m/
健康 -  http://511511.sina.com.cn/
商城 -  http://mall.sina.com.cn/
天气 -  http://weather.sina.com.cn/
论坛 -  http://people.sina.com.cn/forum.html
聊天 -  http://chat.sina.com.cn/
扬州 -  http://yz.sina.com.cn/
嘉　宾 -  http://people.sina.com.cn/guest/
分类 -  http://classad.sina.com.cn/
星梦 -  http://yoyorock.sina.com.cn/
彩信 -  http://mms.sina.com.cn/
北京大学英语自考部招生 -  http://sina.allyes.com/main/adfclick?db=sina&bid=810,3934,3950&cid=0,0,0&sid=4094&show=ignore&url=http://shangguang.longsu.net/beida/
中科院在职研究生(秋季) -  http://sina.allyes.com/main/adfclick?db=sina&bid=20,49,49&cid=0,0,0&sid=49&show=ignore&url=http://www.edu-china.cn
首都高校扩招！ -  http://sina.allyes.com/main/adfclick?db=sina&bid=367,1180,1181&cid=0,0,0&sid=1211&show=ignore&url=http://www.bydsoft.com/
中国管理软件学院 -  http://sina.allyes.com/main/adfclick?db=sina&bid=16,34,34&cid=0,0,0&sid=34&url=http://www.aa55.com/index.asp&show=ignore
欧园TWO HOUSE现房登场！ -  http://sina.allyes.com/main/adfclick?db=sina&bid=370,1190,1191&cid=0,0,0&sid=1221&show=ignore&url=http://www.beiouyinxiang.com
北大经理人班 CFO班 -  http://sina.allyes.com/main/adfclick?db=sina&bid=16,36,36&cid=0,0,0&sid=36&url=http://econ.yp.sina.net/&show=ignore
万柳精装小户型