C#中利用MarkupService实现HTML解析为DOMTree

2024-08-26 00:15:36

字体：大中小

来源：转载

供稿：网友

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。

收集最实用的网页特效代码！

上一篇：C#中将HTML汇总的相对URI更改为绝对URI

下一篇：Convert Code To HTML (C#)