知道IHTMLDocument2接口，怎么得到一个网页的所有文本内容？？

Question

网页中有很多文本。我要得到这些文本来比较，请问怎么得到？？
    UP者有分！！

Answer 1

如果只提取超文本中的text的话，可以用IHtmlDocument2得到body, 再用body的get_innerText就行了IHTMLElement* pBody;
hr = pMSHTML->get_body(&pBody);  // pMSHTML是IHtmlDocument2接口指针,例如从CHtmlView中得到的
if (SUCCEEDED(hr))
{
BSTR bstrText;
hr = pBody->get_innerText(&bstrText); 
if (SUCCEEDED(hr))
{
  SysFreeString(bstrText);
}
pBody->Release();
} 

Answer 2

nineclock(本人成分:59%的帅,40%的酷,1%的微量羞涩(-'_'-)) 
    我很急，帮帮我啊

Answer 3

我这里的文本指的是网页上除图片外的所有文字。能不能得到特定的文字？？我现在想的是得到网页所有的文字，再在这些文字里面得到我感兴趣的东西！
==========================================
BOOL GetSourceHtml(CString theUrl,CString Filename) 
{
 CInternetSession session;
 CInternetFile* file = NULL;
 try
 {
    // 试着连接到指定URL
    file = (CInternetFile*) session.OpenURL(theUrl); 
 }
 catch (CInternetException* m_pException)
 {
    // 如果有错误的话，置文件为空
    file = NULL; 
    m_pException->Delete();
    return FALSE;
 } // 用dataStore来保存读取的网页文件
 CStdioFile dataStore;
 if (file)
 {
    CString  somecode; //也可采用LPTSTR类型，将不会删除文本中的\n回车符
    BOOL bIsOk = dataStore.Open(strPath+"\\"+Filename,
CFile::modeCreate 
| CFile::modeWrite 
| CFile::shareDenyWrite 
| CFile::typeText);

    if (!bIsOk)
return FALSE;

    // 读写网页文件，直到为空
    while (file->ReadString(somecode) != NULL) //如果采用LPTSTR类型，读取最大个数nMax置0，使它遇空字符时结束
    {
dataStore.WriteString(somecode);
dataStore.WriteString("\n");    //如果somecode采用LPTSTR类型,可不用此句
    }

file->Close();
delete file;
 }
 else
 {
    dataStore.WriteString(_T("到指定服务器的连接建立失败..."));
    return FALSE;
 }
 return TRUE;
}
你试试行不行~

Answer 4

试试 利用 TextRange() 来完成，应该是可以的

Answer 5

微软给的例子：How To Programmatically Save an HTML Page to Disk
    HRESULT          hr    = E_FAIL;
    IDispatch*       pDisp = NULL;
    IHTMLDocument2*  pDoc  = NULL;    pDisp                  = m_webOC.GetDocument();   if(SUCCEEDED(hr = pDisp->QueryInterface(IID_IHTMLDocument2,(void**)&pDoc)))
   {
       IPersistFile* pFile = NULL;
       if(SUCCEEDED(pDoc->QueryInterface(IID_IPersistFile,(void**)&pFile)))
       {
LPCOLESTR file = L"c:\\test1.htm";
pFile->Save(file,TRUE);
       }
   }

Answer 6

http://blog.csdn.net/jiangsheng/archive/2003/11/09/3795.aspx
里面演示了如何分析HTML网页……

Answer 7

微软给的例子：How To Programmatically Save an HTML Page to Disk
    HRESULT          hr    = E_FAIL;
    IDispatch*       pDisp = NULL;
    IHTMLDocument2*  pDoc  = NULL;    pDisp                  = m_webOC.GetDocument();   if(SUCCEEDED(hr = pDisp->QueryInterface(IID_IHTMLDocument2,(void**)&pDoc)))
   {
       IPersistFile* pFile = NULL;
       if(SUCCEEDED(pDoc->QueryInterface(IID_IPersistFile,(void**)&pFile)))
       {
LPCOLESTR file = L"c:\\test1.htm";
pFile->Save(file,TRUE);
       }
   }！！！！！！！要得是得到网页的文本内容呀！