一个轻量级Parsing 实现。这个代码不会从网上下载任何资料,也不会执行任何脚本,纯属Parsing。 Parsing是通过MSHTML的Markup Service实现的。要正确使用这个代码,需要添加MSHTML引用。 由于.net中没有定义IPersistStreamInt接口,就必须自己实现,接口定义:
以下内容为程序代码:
[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(); }
| |
以下内容为程序代码:
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; }
| | 写代码的时候出了一点问题,IMarkupService::ParseString第一个参数是ref ushort,显然要传入HTML代码,这个ushort必须是第一个WideChar了,所以这里通过使用不安全代码来绕过编译器警告。
|