如何提取网页中所有链接

古城微笑少年丶 2022-07-26 12:23 135阅读 0赞

见过“网际快车”的“使用网际快车下载全部链接”这个功能吗？想实现它，我们可以这样做：

IE有几个有用的接口，我们可以用它来提取网页所有链接。

一、基本原理

首先是用IHTMLDocument2的get\_links，来获取IHTMLElementCollection接口，再通过IHTMLElementCollection来获取IHTMLAnchorElement，而IHTMLAnchorElement接口的get\_href就是我们想要的，通过循环获取，我们就可以得到网页的所有链接了！

二、具体代码

`{ 　　TCHAR HostName[2*MAX_PATH]; 　　CComPtr spDispatch; 　　CComQIPtr pDoc2; 　　CComPtr pElementCol; 　　CComPtr pLoct; 　　// TODO: Add your control notification handler code here 　　int n = m_LinksList.GetItemCount();//GetCount(); 　　for (int i = 0; i < n; i ++){ 　　　　IWebBrowser2 *pBrowser = (IWebBrowser2 *)m_LinksList.GetItemData(i); 　　　　if (pBrowser){ 　　　　　　pBrowser->Release(); 　　　　} 　　} 　　m_LinksList.DeleteAllItems(); 　　m_LinksNum = 0; 　　Log("**************************************************************"); 　　Log("\r\n"); 　　if (m_spSHWinds){ 　　　　int n = m_spSHWinds->GetCount(); 　　　　for (int i = 0; i < n; i++){ 　　　　　　_variant_t v = (long)i; 　　　　　　IDispatchPtr spDisp = m_spSHWinds->Item(v); 　　　　　　SHDocVw::IWebBrowser2Ptr spBrowser(spDisp);　 //生成一个IE窗口的智能指针 　　　　　　if (spBrowser){ 　　　　　　　　if (SUCCEEDED(spBrowser->get_Document( &spDispatch))) 　　　　　　　　　　pDoc2 = spDispatch; 　　　　　　　　if(pDoc2!=NULL) 　　　　　　　　{ 　　　　　　　　　　if (SUCCEEDED(pDoc2->get_links(&pElementCol))) 　　　　　　　　　　{ 　　　　　　　　　　　　//　　AfxMessageBox("IHTMLElementCollection"); 　　　　　　　　　　　　long p=0; 　　　　　　　　　　　　if(SUCCEEDED(pElementCol->get_length(&p))) 　　　　　　　　　　　　　　if(p!=0) 　　　　　　　　　　　　　　{　 　　　　　　　　　　　　　　　　m_LinksNum = m_LinksNum+p; 　　　　　　　　　　　　　　　　UpdateData(FALSE); 　　　　　　　　　　　　　　　　for(long i=0;i<=(p-1);i++) 　　　　　　　　　　　　　　　　{ 　　　　　　　　　　　　　　　　　　BSTR String; 　　　　　　　　　　　　　　　　　　_variant_t index = i; 　　　　　　　　　　　　　　　　　　if(SUCCEEDED(pElementCol->item( index, index, &spDispatch))) 　　　　　　　　　　　　　　　　　　if(SUCCEEDED(spDispatch->QueryInterface( IID_IHTMLAnchorElement,(void **) &pLoct))) 　　　　　　　　　　　　　　　　　　pLoct->get_href(&String); 　　　　　　　　　　　　　　　　　　ZeroMemory(HostName,2*MAX_PATH); 　　　　　　　　　　　　　　　　　　lstrcpy(HostName,_bstr_t(String)); 　　　　　　　　　　　　　　　　　　m_LinksList.InsertItem(i,HostName); 　　　　　　　　　　　　　　　　　　m_LinksList.SetCheck(i,TRUE); 　　　　　　　　　　　　　　　　　　pLoct->get_hostname(&String); 　　　　　　　　　　　　　　　　　　ZeroMemory(HostName,2*MAX_PATH); 　　　　　　　　　　　　　　　　　　lstrcpy(HostName,_bstr_t(String)); 　　　　　　　　　　　　　　　　　　if(lstrlen(HostName)) 　　　　　　　　　　　　　　　　　　{ 　　　　　　　　　　　　　　　　　　　　m_LinksList.SetItemText(i,1,HostName); 　　　　　　　　　　　　　　　　　　　　Log(HostName ); 　　　　　　　　　　　　　　　　　　　　Log("\r\n"); 　　　　　　　　　　　　　　　　　　} 　　　　　　　　　　　　　　　　} 　　　　　　　　　　　　　　} 　　　　　　　　　　} 　　　　　　　　} 　　　　　　} 　　　　} 　　} }`