C#中利用MarkupService實現HTML解析為DOMTree

2024-08-26 00:15:36

字體：大中小

來源：轉載

供稿：網友

一個輕量級parsing 實現。這個代碼不會從網上下載任何資料，也不會執行任何腳本，純屬parsing。
parsing是通過mshtml的markup service實現的。要正確使用這個代碼，需要添加mshtml引用。
由于.net中沒有定義ipersiststreamint接口，就必須自己實現，接口定義：

以下內容為程序代碼:

[comvisible(true), comimport(), guid("7fd52380-4e07-101b-ae2d-08002b2ec713 " ） , interfacetypeattribute(cominterfacetype.interfaceisiunknown)]
public interface ipersiststreaminit
{
void getclassid([in, out] ref guid pclassid);
[return: marshalas(unmanagedtype.i4)] [preservesig]
int isdirty();
void load([in, marshalas(unmanagedtype.interface)] ucomistream pstm);
void save([in, marshalas(unmanagedtype.interface)] ucomistream pstm,
  [in, marshalas(unmanagedtype.i4)] int fcleardirty);
void getsizemax([out, marshalas(unmanagedtype.lparray)] long pcbsize);
void initnew();
}

以下內容為程序代碼:

  unsafe ihtmldocument2  parse(string s)
  {
   ihtmldocument2 pdocument=new htmldocumentclass();
   if(pdocument!=null)
   {
    ipersiststreaminit ppersist=pdocument as ipersiststreaminit ;
    ppersist.initnew();
    ppersist=null;
    imarkupservices ms=pdocument as imarkupservices ;
    if(ms!=null)
    {
     imarkupcontainer pmc=null;
     imarkuppointer pstart,pend;
     ms.createmarkuppointer(out pstart);
     ms.createmarkuppointer(out pend);
     stringbuilder sb=new stringbuilder(s);
     intptr psource=marshal.stringtohglobaluni(s);
     ms.parsestring(ref *(ushort*)psource.topointer(),0,out pmc,pstart,pend);
     if(pmc!=null)
     {
      marshal.release(psource);
      return pmc as ihtmldocument2;
     }
     marshal.release(psource);
    }
   }
   return null;
  }

寫代碼的時候出了一點問題，imarkupservice::parsestring第一個參數是ref ushort，顯然要傳入html代碼，這個ushort必須是第一個widechar了，所以這里通過使用不安全代碼來繞過編譯器警告。

收集最實用的網頁特效代碼！

上一篇：C#中將HTML匯總的相對URI更改為絕對URI

下一篇：Convert Code To HTML (C#)