有什么方法能够让我简单的做到分析HTML，我想找出一个HTML的所有联接。(100分)

S

satanmonkey

Unregistered / Unconfirmed

GUEST, unregistred user!

• 2003-02-20

• #1

我的目的是得到如<img>,<a>等标签中的哪个URL。
然后我根据哪个url把文件下下来。

 

Z

zw84611

Unregistered / Unconfirmed

GUEST, unregistred user!

• 2003-02-20

• #2

用WebBrowser，加载网页之后，使用下面的过程。

uses MSHTML;

var
　　　doc:IHTMLDocument2;
　　　all:IHTMLElementCollection;
　　　len,i:integer;
　　　item:OleVariant;
　　begin
　　　doc:=WebBrowser1 .Document as IHTMLDocument2;
　　　all:=doc.Get_links;　　　　　　　　　　　　　//doc.Links亦可
　　　len:=all.length;
　　　for i:=0 to len-1 do begin
　　　　item:=all.item(i,varempty);　　　　　　　　//EmpryParam亦可
　　　　memo1.lines.add(item.href);
　　　end;
　　end;

 

S

satanmonkey

Unregistered / Unconfirmed

GUEST, unregistred user!

• 2003-02-20

• #3

这样只是把<A>标签搞定啊，有什么办法能让我把所以标签都分析出来，好多标签都象外连接的
比如<IMG SRC=xxxx>

 

太

太阳火

Unregistered / Unconfirmed

GUEST, unregistred user!

• 2003-02-20

• #4

那你自己把所有的标签都过一边

 

S

satanmonkey

Unregistered / Unconfirmed

GUEST, unregistred user!

• 2003-02-20

• #5

什么叫所以标签都过一遍？

 

罗

罗西岛主

Unregistered / Unconfirmed

GUEST, unregistred user!

• 2003-02-23

• #6

读到网页源代码--->全文查找 "a href="
| |
| 取出 url 保存到列表
| |
| 剔除列表中的重复 url
| |
| 逐个取出 url 进行下一轮链接
| |
|____________________|

 

S

seraph_q

Unregistered / Unconfirmed

GUEST, unregistred user!

• 2003-02-23

• #7

如果想连<IMG SRC=xxx>里边的链接都找出来，你只好自己过滤一边网页的源码，找到所有
<>，分析每个<>之间的字符串，看看那些是链接了。

 

S

satanmonkey

Unregistered / Unconfirmed

GUEST, unregistred user!

• 2003-02-23

• #8

感谢罗西岛主,seraph_q
不过你们的方法好象实现起来颇难
不是所以<A>标签的后面就接着是 href属性的。这样我在处理前必须格式化
好象很费工夫。
既然IE可以解析，有没有利用ie的办法呢？

 

T

tianhf

Unregistered / Unconfirmed

GUEST, unregistred user!

• 2003-02-24

• #9

gz

 

A

adrich

Unregistered / Unconfirmed

GUEST, unregistred user!

• 2003-02-26

• #10

你目的是得到如<img>,<a>等标签中的哪个URL，用罗西岛主的方法就可以了，
全文查找 "a href="和<img>，把网页文档遍历一次就有了　[]

 

薄

薄荷

Unregistered / Unconfirmed

GUEST, unregistred user!

• 2003-02-26

• #11

我做过一个可以下载页面上所有图片的程序，内嵌ie，下面是取图的核心代码：
ieThis 是 IEThis: IWebbrowser2;
其实用的是IHtmlDocument2接口和IHtmlElementCollection接口
procedure TForm1.DownLoadBtnClick(Sender: TObject);
var
doc: IHTMLDocument2;
all,Img: IHTMLElementCollection;
len,i,j,flag: integer;
item: IHTMLElement;
vAttri: Variant;
ImgList: TStrings;
UrlStrM: TMemoryStream;
function GetAddrs(ImageList: TStrings): integer;
var
i: integer;
begin
Result := 0;
for i := 0 to ImagesForm.ImgsAddr.Items.Count-1 do
begin
if ImagesForm.ImgsAddr.Checked then
ImageList.Add(ImagesForm.ImgsAddr.Items);
end;
Result := ImageList.Count;
end;


begin
if Assigned(IEThis) then begin
Addrs.Clear;
doc := iethis.document as IHTMLDocument2;
all := doc.Get_all;
Img := Doc.Get_Images;
len := Img.get_length;
for i := 0 to len-1 do begin
item := Img.item(i,varempty) as IHTMLElement;
// if item.get_tagname = 'A' then
begin
flag := 0;
//VAttri := item.getAttribute('protocol',flag);
//if vAttri = 'http:' then
begin
vAttri := item.getAttribute('href',flag);
// if ExtractFileExt(Vattri)='.jpg' then
Addrs.Add(VAttri);
end;
end;
end;
ImagesForm := TImagesForm.Create(application);
try
ImagesForm.ImgsAddr.Items.Assign(Addrs);
//for j := 0 to ImagesForm.ImgsAddr.Count-1 do
// Imagesform.ImgsAddr.Checked[j] := true;
if ImagesForm.ShowModal = mrOK then
begin
UrlStrM := TMemoryStream.Create;
ImgList := TStringList.Create;
try
if GetAddrs(ImgList) = 0 then
begin
ShowMessage('Empty!');
exit;
end;
begin
//ÒÔÏÂÊÇÏÂÔصĴúÂë
for I := 0 to ImgList.count-1 do // Iterate
begin
UrlStrM.Clear;
IDHttp1.Get(ImgList,UrlStrM);
UrlStrM.SaveToFile(ImagesForm.Path.Text+'/'+ExtractUrlFileName(ImgList));
end; // for

//NMFTP1.Disconnect;
end;
finally
ImgList.Free;
end;
end;
finally
ImagesForm.Free;
end;
end;
end;

 

S

satanmonkey

Unregistered / Unconfirmed

GUEST, unregistred user!

• 2003-02-26

• #12

结帐