|
一个从网页tag里面分析url和url标题的类
作者：Kiki猫De弟弟
下载源代码
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<HyperLink>& 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
|
