Chinaunix首页 | 论坛 | 博客
  • 博客访问: 9547979
  • 博文数量: 1227
  • 博客积分: 10026
  • 博客等级: 上将
  • 技术积分: 20273
  • 用 户 组: 普通用户
  • 注册时间: 2008-01-16 12:40
文章分类

全部博文(1227)

文章存档

2010年(1)

2008年(1226)

我的朋友

分类: C/C++

2008-03-12 19:49:10

一、不得不说的废话

  我知道用 MSHTML 的 IHTMLDocument2 的 get_links 获取 IHTMLElementCollection 接口,通过 IHTMLElementCollection 来获取 IHTMLAnchorElement,再通过 IHTMLAnchorElement 接口的get_href 我们就可以得到网页的所有链接了!但这是用 MSHTML 的办法,就我本人而言,总喜欢自己来搞,不喜欢用看不到内部的东西(虽然 microsoft 写得比我的好)。所以,我就自己封装了一个通过分析网页标记字符,来获取 url 的类,这个类我知道有缺陷,所以就公布出来,希望有人能在我这个类的基础上从新搞出一个更好的新版本。

二、关于这个类

  也许有人要说,分析网页的url不就是分析 href=…什么的不就可以了吗?但是说起来很多事情是容易的,但要尽可能的做好一个事情,也知道真正的去尝试了才会知道。比如 有的连接是这样的 url=…。比如 javascript 里面的连接(我现在分析javascript的部分也很有问题),比如 相对地址的and so on……在这个类里面能处理的我已经尽可能的处理了,无奈我的水平有限,还不是很完美。

三、这个类的接口

  接口函数只有一个就是这个类的构造函数 ,下面是这个函数的声明:

CWebHost(const CString& m_str_webcode,     /*网页代码*/
     vector& m_vec_URL,     /*分析得到的url和url标题的结构*/
     CString& str_URL);           /*本页的url*/

HyperLink 是一个结构我放在URLSturct文件里面:

//URLSturct_.h
//超连接数据结构
#ifndef _____HyperLinkTag_h____
#define _____HyperLinkTag_h____
//超连接数据集
typedefstruct tagHyperLinkTag{
  //link address;
  CString str_Hyperlink;

  //link text;
  CString str_HyperlinkText;
}HyperLink;
#endif

四、这个类的函数列表

函数名字

功能

CWebHost(……);

构造函数

void OnRetrunWebContent(……);

返回所有链接

void OnGetHtmlURL(……);

获取html的url

void OnGetJumpURL(……);

获取跳转的url

void OnReturnFrameURL(……);

获得嵌套代码的URL

CString OnConversionURL(……);

把URL转换成绝对地址

void OnAnalyseJavascrript(……);

返回Javascript代码里的URL

CString OnGetLinkText(……);

取URL连接文字

、这个类的处理流程

、详细代码

代码太多,限于篇幅,所以有劳各位到源代码里面去看。

、还是想说些废话

  该类分析上是存在缺陷的,希望大家多多提出问题,或者干脆你就从新写出一个类来。从小我的语文水平就烂,写得不明白请不要见怪。

编译通过 VC7.1+Windows Server 2003

阅读(1119) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~