asp.net使用Microsoft.mshtml提取网页标题等解析网页
2013-07-21 22:43 -夜 阅读(282) 评论(0) 编辑 收藏 举报1. 添加对Microsoft.mshtml这个程序集的引用
2. 使用WebClient等方法下载网页源代码(乱码解决方法:webClient.Encoding =Encoding.UTF8;)
或者使用这里面的方法下载网页源代码:http://blog.csdn.net/ful1021/article/details/9399705
3. 用法如下:
string html = wc.DownloadString("");
wc.Encoding = Encoding.UTF8;
HTMLDocumentClass doc = new HTMLDocumentClass();
doc.designMode = "on"; //不让解析引擎去尝试运行javascript
doc.IHTMLDocument2_write(html);
string title = doc.title;
string text = doc.body.innerText;
//更多用法自己探索
//所有Dom方法都能在mshtml中调用
3. 在使用的过程中遇到两个问题:
3.1、VS2010中引用Microsoft.mshtml之后,要修改这个引用的“嵌入互操作类型”为False。
3. 2、调用doc.write方法的时候必须通过IHTMLDocument2接口来调用,否则报错“错误的类型”,在google上搜“type mismatch HTMLDocument write”发现这篇帖子http://www.vistax64.com/powershell/95133-how-powershell-parse-htmldocument.html ,提到必须通过IHTMLDocument2接口来调用,不明白为什么,没深入研究,有高手可以帮助解释一下。