程式師世界 >> 編程語言 >> C語言 >> VC >> 關於VC++ >> DOM應用 - 遍歷網頁中的元素

DOM應用 - 遍歷網頁中的元素

編輯：關於VC++

一、摘要

在我們編寫的程序中，如果想要實現對浏覽器打開的網頁進行監視、模擬操縱、動態提取用戶輸入、動態修改......等功能，那麼請你抽出寶貴的時間，繼續往下閱讀。本文介紹的知識和示例程序都是圍繞如何遍歷 HTML 中的表單(form)並枚舉出表單域的屬性為目標的，對於網頁中的其它元素，比如圖象、連接、腳本等等，應用同樣的方法都可以輕松實現。

二、網頁的文檔層次結構

IE 浏覽器，采用 DOM（文檔對象模型）來管理網頁的數據。它通過一個容器（IWebBrowser2/IHTMLWindow2）來裝載網頁文檔（IHTMLDocument2），而一個文檔，又可以由 0 或多個貞(frame)組成，管理這些貞的接口叫“框架集合（IHTMLFramesCollection2）”,而每個貞的容器又是IHTMLWindow2，和IWebBrowser2一樣，它也裝載著各自的文檔（IHTMLDocument2）。因此，我們的第一個任務，就是想方設法能夠得到IHTMLDocument2的接口。因為文檔可能包含貞，而貞又包含著子文檔，子文檔可能再包含貞......，如此要得到所有的文檔，這裡有一個遞歸遍歷的處理過程。

得到文檔（IHTMLDocument2）後，下一步任務就是要設法取得表單了（IHTMLFormElement）。因為在一個文檔中可以包含 0 或多個表單(form)，而管理這些表單的又是一個表單集合（IHTMLElementCollection），所以必須先得到集合，然後再枚舉出所有的表單條目了。

得到表單（IHTMLFormElement）後，接下來的事情就簡單了，逐個提取表單中的元素（也叫表單域 IHTMLInputElement）就可以讀寫這些域的屬性了。

說了半天，我估計初次接觸的朋友一定沒有聽懂:( 呵呵，還是用圖的方式表示一下吧，這樣比較清晰一些。

三、程序實現

<1> 取得 IHTMLDocument2 的接口指針。根據IE浏覽器的運行方式，有多種不同的方式可以獲取文檔指針。

<1.1> 如果你在程序中使用MFC的 CHtmlView 視來浏覽網頁。

取得文檔的方法最簡單，調用 CHtmlView::GetHtmlDocument() 函數。

<1.2> 如果你的程序中使用了“Web 浏覽器” 的ActiveX 控件。

取得文檔的方法也比較簡單，調用 CWebBrowser2::GetDocument() 函數。

<1.3> 如果你的程序是用 ATL 寫的 ActiveX 控件。

那麼需要調用 IOleClientSite::GetContainer 得到 IOleContainer 接口，然後就可以通過 QueryInterface() 查詢得到 IHTMLDocument2 的接口。主要代碼如下：

CComPtr < IOleContainer > spContainer; m_spClientSite->GetContainer( &spContainer ); CComQIPtr < IHTMLDocument2 > spDoc = spContainer; if ( spDoc ) { 　　 // 已經得到了 IHTMLDocument2 的接口指針 }　<1.4> 如果你的程序是用 MFC 寫的 ActiveX 控件。

那麼需要調用 COleControl::GetClientSite() 得到 IOleContainer 接口，然後的操作和<1.3>是一致的了。

<1.5> IE 浏覽器作為獨立的進程正在運行。

每個運行的浏覽器（IE 和資源浏覽器）都會在 ShellWindows 中進行登記，因此我們要通過 IShellWindows 取得實例（示例程序中使用的就是這個方法）。主要代碼如下：

#include < atlbase.h > #include < mshtml.h > void FindFromShell() { 　　CComPtr< IShellWindows > spShellWin; 　　HRESULT hr = spShellWin.CoCreateInstance( CLSID_ShellWindows ); 　　if ( FAILED( hr ) )　　return; 　　long nCount=0; 　　spShellWin->get_Count(&nCount);　 // 取得浏覽器實例個數　　for(long i=0; i<nCount; i++) 　　　 { 　　　　　　　CComPtr< IDispatch ><nCount; i++) 　　{ 　　　　CComPtr< IDispatch ><nCount; i++) 　　　 { 　　　　　　　CComPtr< IDispatch > spDisp; 　　　　hr=spShellWin->Item(CComVariant( i ), &spDisp ); 　　　　if ( FAILED( hr ) )　 continue; 　　　　CComQIPtr< IWebBrowser2 > spBrowser = spDisp; 　　　　if ( !spBrowser )　　 continue; 　　　　spDisp.Release(); 　　　　hr = spBrowser->get_Document( &spDisp ); 　　　　if ( FAILED ( hr ) )　continue; 　　　　CComQIPtr< IHTMLDocument2 > spDoc = spDisp; 　　　　if ( !spDoc )　　　　 continue; 　　　　// 程序運行到此，已經找到了 IHTMLDocument2 的接口指針　　} }

<1.6> IE 浏覽器控件被一個進程包裝在一個子窗口中。那麼你首先要得到那個進程的頂層窗口句柄（使用 FindWindow() 函數，或其它任何可行的方法），然後枚舉所有子窗口，通過判斷窗口類名是否是“Internet Explorer_Server”，從而得到浏覽器的窗口句柄，再向窗口發消息取得文檔的接口指針。主要代碼如下：

#include < atlbase.h > #include < mshtml.h > #include < oleacc.h > #pragma comment ( lib, "oleacc" ) BOOL CALLBACK EnumChildProc(HWND hwnd,LPARAM lParam) { 　　TCHAR szClassName[100]; 　　::GetClassName( hwnd,　&szClassName,　sizeof(szClassName) ); 　　if ( _tcscmp( szClassName,　_T("Internet Explorer_Server") ) == 0 ) 　　{ 　　　　*(HWND*)lParam = hwnd; 　　　　return FALSE;　　　　// 找到第一個 IE 控件的子窗口就停止　　} 　　else　　return TRUE;　　　　// 繼續枚舉子窗口 }; void FindFromHwnd(HWND hWnd) { 　　HWND hWndChild=NULL; 　　::EnumChildWindows( hWnd, EnumChildProc, (LPARAM)&hWndChild ); 　　if(NULL == hWndChild)　　return; 　　UINT nMsg = ::RegisterWindowMessage( _T("WM_HTML_GETOBJECT") ); 　　LRESULT lRes; 　　::SendMessageTimeout( hWndChild, nMsg, 0L, 0L, SMTO_ABORTIFHUNG, 1000, (DWORD*) &lRes ); 　　CComPtr < IHTMLDocument2 > spDoc; 　　HRESULT hr = ::ObjectFromLresult ( lRes, IID_IHTMLDocument2, 0 , (LPVOID *) &spDoc ); 　　if ( FAILED ( hr ) )　　return; 　　// 程序運行到此，已經找到了 IHTMLDocument2 的接口指針 }<2> 得到了 IHTMLDocument2 接口指針後，如果網頁是單貞的，那麼轉第<4>步驟。如果是多貞（有子框架）則還需要遍歷所有的子框架。這些子框架（IHTMLWindow2），被保存在集合中（IHTMLFramesCollection2）,取得集合指針的方法比較簡單，取屬性 IHTMLDocument2::get_frames()。

<3> 首先取得子框架的總數目 IHTMLFramesCollection::get_length()，接著就可以循環調用 IHTMLFramesCollection::item()函數一個一個地取得子框架 IHTMLWindow2 指針，然後轉第<1>步。

<4> 一個文檔中可能擁有多個表單，因此還是同樣的道理，先要取得表單的集合（IHTMLElementCollection，其實這個不光是表單的集合，其他元素的集合，比如圖片集合也是用它）。這個操作也很簡單，取得屬性 IHTMLDocument2::get_forms()。

<5> 屬性 IHTMLElementCollection::get_length() 得到表單總數目，就可以循環取得每一個表單指針了 IHTMLElementCollection::item()。

<6> 在第<5>步中的item()函數，得到的是一個IDispatch的指針，你通過QueryInterface()查詢，就可以得到某類型輸入的指針，代碼如下： // 假設 spDisp 是由IHTMLElementCollection::item() 得到的 IDispatch 指針 CComQIPtr < IHTMLInputTextElement >　　 spInputText(spDisp); CComQIPtr < IHTMLInputButtonElement >　 spInputButton(spDisp); CComQIPtr < IHTMLInputHiddenElement >　 spInputHidden(spDisp); ...... if ( spInputText ) { 　 //如果是文本輸入表單域 } else if ( spInputButton ) { 　 //如果是按紐輸入表單域 } else if ( spInputHiddent ) { 　 //如果是隱藏輸入表單域 } else if ........　　//其它輸入類型

上面的方法，由於使用具體類型的接口指針，因此程序的效率比較高。但是通過 QueryInterface 接口查詢，然後再進行條件判斷顯然是比較煩瑣的，所以這個方法適合於特定的已知網頁設計內容的程序。在示例程序中，我則是直接使用 IDispatch 接口進行操作的，這個方式執行起來稍微慢一些，但程序比較簡單。主要代碼和說明如下：#include < atlbase.h > CComModule　_Module;　　// 由於需要使用 CComDispatchDriver 的 IDispatch 包裝類ATL智能指針，所以這個是必須的 #include < atlcom.h > ...... long nElemCount=0;　　　　//表單域的總數目 spFormElement->get_length( &nElemCount ); for(long j=0; j< nElemCount; j++) { 　　CComDispatchDriver spInputElement;　　// IDispatch 的智能指針　　spFormElement->item( CComVariant( j ), CComVariant(), &spInputElement ); 　　CComVariant vName,vVal,vType;　　// 域名稱，域值，域類型　　spInputElement.GetPropertyByName( L"name", &vName ); 　　spInputElement.GetPropertyByName( L"value",&vVal　); 　　spInputElement.GetPropertyByName( L"type", &vType ); 　　// 使用 IDispatch 的智能指針的好處就是：象上面這樣讀取、設置屬性很簡單　　// 另外調用 Invoke 函數也異常方便，Invoke0(),Invoke1(),Invoke2().... 　　...... }