问一下基于IE内核的浏览器怎么获取其网页内容？分不是问题！

Question

想做个过滤程序，但不知道怎么获取IE内核的浏览器的网页内容，比如TT，360之类的，我看有一些杀毒软件无论什么浏览器都能获取其网页内容，请问一下就是怎么实现的？

Answer 1

获取IE浏览器上的文本，VS2005编译通过。// InternetExplorer_Server_Text.cpp : 定义控制台应用程序的入口点。
//#include "stdafx.h"#include <mshtml.h> 
#include <atlbase.h> 
#include <oleacc.h>
#include <string>
#include <comdef.h>
#include <stdio.h>
using std::string; 
int _tmain(int argc, _TCHAR* argv[])
{
    CoInitialize(NULL);    
    CComPtr<IHTMLDocument2> pDoc2;
    HINSTANCE hinst=::LoadLibrary("OLEACC.DLL");
    string strTemp="";        if(hinst!=NULL) 
    {
        
        LRESULT lres;
        UINT unMsg=::RegisterWindowMessage(_T("WM_HTML_GETOBJECT"));
        ::SendMessageTimeout((HWND)0x00020C0E,unMsg,0L,0L,SMTO_ABORTIFHUNG,1000,(DWORD*)&lres);
        LPFNOBJECTFROMLRESULT pfObjectFromLresult=(LPFNOBJECTFROMLRESULT)::GetProcAddress(hinst,_T("ObjectFromLresult"));
        
        
        if(pfObjectFromLresult!=NULL) 
        {
            
            HRESULT hres;
            
            hres=(*pfObjectFromLresult)(lres,IID_IHTMLDocument2,0,(void**)&pDoc2);
                        if(SUCCEEDED(hres)) 
            {
                
                CComPtr<IHTMLElement> pHtmlElem;                
                hres=pDoc2->get_body(&pHtmlElem);                
                BSTR bstrText=NULL;                
                pHtmlElem->get_innerText(&bstrText);                
                _bstr_t _bstrTemp(bstrText,false);
                
                strTemp = (char*)_bstrTemp;               
                
            }
                        
        }        
        ::FreeLibrary(hinst);
        
    }
    CoUninitialize();
    printf("%s\n", strTemp.c_str()); 
    return 0;
}

Answer 2

谢谢，但我发现一个问题，我替换完后，用pHtmlElem->put_innerText(&bstrText); 发现网页是彻底改变了，比如提交表单会失败这样的，请问有什么方法可以解决么？

Answer 3

用windows 的spi/lsp方式获取网页内容，并对内容进行修改 。
实现方式如下：
           1.  用WSPSend解析IE请求的URL，记录对应的socket ；
         2. 用WSPRecv接收数据并对数据解析和解码，分析网页内容，修改和添加自定义内容 ；刚好目前我也在做你同样的事情 ；  API可以参考MSDN windows sockets 2=> windows sockets spi reference .
           
 
         

Answer 4

这个够底层！hehe，而且适用于“所有”浏览器。只是有个缺点，对于通过脚本动态生成的网页内容就有困难了。
————————————————————————————————
基于CSDN论坛提供的插件扩展功能，自己做了个签名档工具，分享给大家，欢迎技术交流 :)

Answer 5

谢谢，这个对HTTP的网页可以，但HTTPS这种加密的似乎不行吧，我用WPE截，全是乱码，不知道怎么解开。

Answer 6

我只是替换了几个字符 ，就不知道为什么ActiveX控件用不了了，是个编辑控件来的，我怀疑是源码重新加载了，但控件没有被初始化吧

Answer 7

这个当然不能简单地这么“替换”了，你这样相当于把整个网页都设置成纯文本的了。应该是找到具体的 HTML 元素对象（比如一个 span 或者一个 div），然后替换其文本内容。如果是在 IE 的 HTML 里做文本的查找替换，最好是用 TextRange 对象的相关操作。
————————————————————————————————
基于CSDN论坛提供的插件扩展功能，自己做了个签名档工具，分享给大家，欢迎技术交流 :)

Answer 8

不好意思 ，上面打错了
应该是put_innerHTML
不好意思，给你带来麻烦了

Answer 9

en, 你这个倒是没有搞成“纯文本”，但也是相当于页面内容重新装载了，而脚本之类的东西却未必能重新装载（比如 onload 的代码就不会从头执行），所以页面表现不正常也就可以理解了。要做文字过滤和替换，最好还是对 DOM 进行遍历。这种“一总替换”的方式终究是不妥，hehe
————————————————————————————————
基于CSDN论坛提供的插件扩展功能，自己做了个签名档工具，分享给大家，欢迎技术交流 :)

Answer 10

我想也应该是控件没有这初始化，请问哪里有VC DOM的文档？我研究一下，谢谢了

Answer 11

请教一下如果用你的方法WSPRecv接收数据，可以解出HTTPS的内容么？

Answer 12

HTTPS本身就是加密安全协议，自然很多内容是不能让你解析的

Answer 13

HTTPS本身就是安全加密协议，它的内容自然不能让你轻易解析

Answer 14

HTTPS本身就是安全加密协议，它的内容自然不能让你轻易解析

Answer 15

IE有办法解析SSL加密，相信在WSPRecv也有办法解析。

Answer 16

浏览器有办法解析SSL加密，相信在WSPRecv也有办法解析。难点是得知道密钥！