一个从网页tag里面分析url和url标题的类

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

五、这个类的处理流程

六、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。

七、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