在黑暗中举起探索的火炬的网志
在喧闹、混杂的生活中
你应该与你的心灵和平相处
尽管这世上有很多假冒和欺骗
有很多单调乏味的工作
和众多破灭的梦幻
它仍然是一个美好的世界
记住：你应该努力去追求幸福。
是的，记住：你应该努力去追求幸福。
每个早晨灿烂的太阳升起的时候,
每个人都应
-
2004-01-26
利用Microsoft 的HTML分析器来获得Web站点的数据(转载) - [VB开发专辑]
版权声明：转载时请以超链接形式标明文章原始出处和作者信息及本声明
From:http://www.microsoft.com/china/msdn/workshop/scrape.asp 利用 Microsoft 的 HTML 分析器来获得 Web 站点的数据 Jeremy Rule Microsoft Corporation 2000年5月 摘要： 本文讨论如何收集来自 Web 的信息，并借助 Internet Explorer 的可重用分析器组件，将它分布到其他 Web 页或数据库。（打印共 7 页） 程序员面临的一个共同任务就是收集 Web 站点的数据，并将它分布到数据库或其他 Web 页。例如，程序员可能需要从气象站点获得天气预报图，从在线股票经纪人那里获得股票报价，以及从新闻站点获得行业新闻。然后，这些信息被放在一个 Web 页上，供 CIO、商人或销售经理使用。或者，也许程序员需要跟踪历来的气象资料，并需要每天将来自气象站的天气预报信息存入数据库。其应用不胜枚举。 过去，这些选择相当受限制。现在，通过使用象 WinInet.dll 这样的 HTTP 组件或许多其他第三方组件，您就可以获取 Web 页，并利用几百种字符串处理功能来获得网页中您所感兴趣的部分。这一技术已在应用，但很不理想。如果您致力于计算机科学（或者有足够的时间），就会为 HTML 创建一个分析器，以标记 Web 页，然后分析您需要的网页部分。不过，由于 Internet Explorer 的体系结构中已包含了可重复使用的用分析器，这些都不需要了。 Internet Explorer 不只是一个程序，更是许多可重复使用组件的集合与容器。在拆取 Web 页时，最有意思的两个组件是 shdocvw.dll 和 mshtml.dll。第一个组件 shdocvw.dll，包含称为 WebBrowser 的 Microsoft(R) ActiveX(R) 控件，它真实地显示 Web 页。在运行 Internet Explorer 时，显示 Web 页的主窗口就是这样的控件。第二个组件 mshtml.dll，含有能分析 WebBrowser 控件中所包含文档的 HTML 分析器。 可能有这种情况，在您的应用程序内部，已经用 WebBrowser 控件来驻留 Web 页，但仍需要重新创建一个小浏览器来启动 Web 页的拆取。 在文件菜单上，请单击新建工程，以创建“标准 EXE”，然后在工程菜单上单击部件，以添加 Microsoft HTML Object Library 和 Microsoft Internet Controls。（见图 1。） 图 1. 在工具箱中，可看见 WebBrowser 组件。拖动其中之一，文本框和主窗体上的命令按钮。将此文本框的 Text 属性设置为 “http://moneycentral.msn.com/”，将此命令按钮的 Caption 属性设置为“浏览(&B)”。（见图 2。） 图 2. 双击该命令按钮，然后在事件处理器中放入下列代码，导航至文本框中命名的 Web 站点： Private Sub Command1_Click() WebBrowser1.Navigate Text1.Text End Sub 保存并运行该程序。试着按浏览按钮，导航到文本框中指定的站点。您已经创建了一个基本的 Web 浏览器 — 就其本身而言没什么用，甚至没什么意义，但它却是迈向 Web 拆取技术的第一步。 回到工程中，在代码窗口中选择 WebBrowser1 对象，然后选择 DocumentComplete 的事件处理器。一旦整个 Web 页下载到此浏览器中，即触发该事件： Private Sub WebBrowser1_DocumentComplete_ (ByVal pDisp As Object, URL As Variant) End Sub 传递到该事件中的 URL 就是我们导航所至的位置，它在日后确定浏览器所在的页面时将更为有用。WebBrowser 控件有一个属性称为 Document（文档），可将其视为 IHTMLDocument 来处理： Private Sub WebBrowser1_DocumentComplete(_ ByVal pDisp As Object, URL As Variant) Dim Doc As IHTMLDocument2 Set Doc = WebBrowser1.Document //下一步：分析该文档 End Sub 较新的 IHTMLDocument2 具有 IHTMLDocument 中无法使用的特性。可对系统使用 IHTMLDocument 替代老版本的 Internet Explorer，如果您有勇气的话，甚至可以使用 IHTMLDocument3。补充说明一下，我们假设您已经导航到 Word 文档或 XML 文档，而非 HTML 文档。不要将变量 doc 声明为 IHTMLDocument2，可将其声明为 Word 的文档或 XML 的 DOMDocument。 在进行下一步之前，理解 HTML 文档的结构是非常重要的。和 XML 不一样，HTML 文档的组合有一定的自由度。例如，您会遇到未关闭标记的 HTML 文档。HTML 文档确实有某种结构。结构好的 HTML 文档通常具有下列元素： <HTML> <HEAD> header information like the <TITLE> </HEAD> <BODY> elements like <TABLE> and <A> and <IMG> </BODY> </HTML> 请注意 HTML 的树状结构。标记包含标记又包含标记，如此等等。特别是，每一个标记元素都包含一个 0 到 n 个标记元素的集合。<TABLE> 标记可以包含 <TR> 标记。每个 <TR> 标记可以包含 <TD> 标记，后者又可以包含其他标记如锚或图像等。 现在，分析整个 http://moneycentral.msn.com/，并在带 MSFT 符号的页填上第二个 <INPUT> 标记。然后，调用此窗体上的提交： Private Sub WebBrowser1_DocumentComplete(ByVal pDisp As Object, URL As Variant) Dim doc As IHTMLDocument2 Set doc = WebBrowser1.Document If URL = _ "http:/
http://junglesong.yourblog.org/logs/102652.html
随机文章：
[原创]本人编写的两个Oracle的帮助小工具 2004-12-09[原創] 一個自動轉移焦點的文本框類 2004-05-27[原創] 一個自動選擇內容的文本框類 2004-05-27[转载] Solmyr 的小品文系列之一：字符串放在哪里？ 2004-04-05昆仑之迷(7)(转载) 2004-01-25
收藏到：Del.icio.us
