关闭IE浏览器的页面"源文件"问题

「已注销」 2016-06-01 10:25:28

通过以下代码遍历IE浏览器，



IShellWindowsPtr m_spSHWinds = NULL;  

CComPtr<IDispatch> spDispatch;  

CComQIPtr<IHTMLDocument2, &IID_IHTMLDocument2> pDoc2;  

CComPtr<IHTMLElement> pElement;

long n = 0;

m_spSHWinds->get_Count(&n);  

for(long i = 0;i < n;i++)       

{       

				VARIANT va;       

				va.vt = VT_I4;       

				va.lVal = i;       

				IDispatch* spDisp;       

				m_spSHWinds-> Item(va,&spDisp);



                                IWebBrowser2* spBrowser;       

				spDisp-> QueryInterface(IID_IWebBrowser2,(void**)&spBrowser); 

                                IHTMLDocument2* spDoc;       

				IDispatch* IDispDoc;       

				spBrowser->get_Document(&IDispDoc); 



                                IDispDoc-> QueryInterface(IID_IHTMLDocument3,(void**)&spDoc3);

					if(spDoc3 != NULL)

					{



						IHTMLElement* element;

						if(SUCCEEDED(spDoc3->get_documentElement(&element)))

						{

							//element->get_b

							BSTR body;

							if(SUCCEEDED(element->get_innerHTML(&body)))

                                                       {

                                                               //body中可以获取部分源代码，但是不完整，数据部分取不到

                                                       }

                                              }

                                     }

}

问题是：
1、这部分代码只能获取到部分源代码，无法得到像鼠标右键点击的那种完整的源文件。
2、IID_IHTMLDocument3换成IID_IHTMLDocument2，get_body也只能取得一部分，还是没有数据。并且该部分不包含Head标签。
3、通过READYSTATE判断页面加载是否完成，
READYSTATE state;
spBrowser->get_ReadyState(&state);
while(state != READYSTATE_COMPLETE)
甚至在最外层添加while循环，不断地打印源代码信息，还是没有数据，只有标签信息。

那，要怎么样才能获取到像鼠标右键-》查看源代码，那样的效果，可以得到完整的数据信息？

...全文

327 11 打赏收藏转发到动态举报

写回复

用AI写文章

11 条回复

切换为时间正序

请发表友善的回复…

发表回复

「已注销」 2016-06-01

打赏
举报

引用 2 楼 schlafenhamster 的回复:

“得到指定网址的html文件（源文件）的类” http://liujie48721.blog.163.com/blog/static/36893820201141871137214/

模拟request、response重新发送请求的方式，对这种有用户验证需要登录的页面不太合适啊。而且，如果页面是异步方式获取数据的，这种方法能得到数据吗？现在的想法是通过本地已经在IE端正确加载的页面中去得到包含数据的源代码。

schlafenhamster 2016-06-01

打赏
举报

“得到指定网址的html文件（源文件）的类” http://liujie48721.blog.163.com/blog/static/36893820201141871137214/

「已注销」 2016-06-01

打赏
举报

抱歉，标题打错了，应该是“关于IE浏览器的问题”。曾试过用spBrowser->ExecWB调用保存或另存为的方法将源文件保存。 SUCCEEDED(spBrowser->ExecWB(OLECMDID_SAVEAS,OLECMDEXECOPT_PROMPTUSER , NULL,NULL))失败无法正确调用。

cutmelon 2016-06-01

打赏
举报

引用 10 楼 ptjian 的回复:

[quote=引用 8 楼 cutmelon 的回复:] 这么说的话我就知道原因了，你没等到页面全部加载完。不知道你是怎么等待的，我都是在OnDocumentComplete这里等待，要判断传进来的URL是否和你Navigate时的URL相同，一直等待到相同表明全部加载完毕。

你说的这个我之前有注意到了。并不是这个问题。我手动查看源文件，是可以看到好多个不同的HTML的，所以是HTML内嵌HTML的。所以读取的是主页面的HTML，也确实是没数据的。现在的问题就是要怎么读取整个页面元素的其他数据，然后取出数据里包含的HTML的问题了。[/quote] 这就只能自己慢慢分析了

「已注销」 2016-06-01

打赏
举报

引用 8 楼 cutmelon 的回复:

这么说的话我就知道原因了，你没等到页面全部加载完。不知道你是怎么等待的，我都是在OnDocumentComplete这里等待，要判断传进来的URL是否和你Navigate时的URL相同，一直等待到相同表明全部加载完毕。

你说的这个我之前有注意到了。并不是这个问题。我手动查看源文件，是可以看到好多个不同的HTML的，所以是HTML内嵌HTML的。所以读取的是主页面的HTML，也确实是没数据的。现在的问题就是要怎么读取整个页面元素的其他数据，然后取出数据里包含的HTML的问题了。

cutmelon 2016-06-01

打赏
举报

贴点测试代码吧，我用的CHtmlView来测试的，差不了多少


void CTestHtmlViewView::OnInitialUpdate()
{
	CHtmlView::OnInitialUpdate();

	m_strUrl=_T("http://bbs.csdn.net/topics/391960919");
	Navigate2(m_strUrl,NULL,NULL);
}

void CTestHtmlViewView::OnDocumentComplete(LPCTSTR lpszURL)
{
	CHtmlView::OnDocumentComplete(lpszURL);

	CString strUrl=lpszURL;
	if (!strUrl.CompareNoCase(m_strUrl)) return;

	IDispatch* IDispDoc=this->GetHtmlDocument();
	IHTMLDocument2* pDoc;
	IDispDoc->QueryInterface(IID_IHTMLDocument2,(void**)&pDoc);

	IHTMLElement* elementBody;
	IHTMLElement* elementHtml;

	pDoc->get_body(&elementBody);
	elementBody->get_parentElement(&elementHtml);

	BSTR bstr;
	elementHtml->get_outerHTML(&bstr);

	CString str=bstr;
	int len=WideCharToMultiByte(CP_ACP,0,str,str.GetLength(),NULL,0,NULL,NULL);
	char* buf=new char[len+1];
	WideCharToMultiByte(CP_ACP,0,str,str.GetLength(),buf,len,NULL,NULL);

	CFile output;
	output.Open(_T("d:\\1.txt"),CFile::modeCreate|CFile::modeWrite);
	output.Write(buf,len);
	output.Close();

	delete[] buf;
}

cutmelon 2016-06-01

打赏
举报

引用 6 楼 ptjian 的回复:

发现了一个新的情况：之所以获取不到数据，是因为数据被封装在IFrame里面，然后IFrame里面嵌入的是另一个HTML，所以获取源代码的时候，只能取到主页面的HTML，IFrame里的HTML就读不到了。现在的问题是，如果一个HTML里面嵌了多个IFrame，怎么获取Iframe里的HTML呢？

这么说的话我就知道原因了，你没等到页面全部加载完。不知道你是怎么等待的，我都是在OnDocumentComplete这里等待，要判断传进来的URL是否和你Navigate时的URL相同，一直等待到相同表明全部加载完毕。

cutmelon 2016-06-01

打赏
举报

引用 5 楼 ptjian 的回复:

[quote=引用 4 楼 cutmelon 的回复:] 我隐约记得body的父元素就是html，html的outerHTML就是源码，根据楼主的代码大概这样写
	{
		...
		if (spDoc3!=NULL)
		{
			IHTMLElement* elementBody;
			IHTMLElement* elementHtml;

			spDoc3->get_body(&elementBody);
			elementBody->get_parentElement(&elementHtml);

			BSTR bstr;
			elementHtml->get_outerHTML(&bstr);

			...
		}
	}
     

其实也不是获取不到HTML，框架都能得到，就到TD、TR、TABLE里面的数据读不到。 HEAD标签在IHTMLDocument3的Element里面也可以取到，但是一样没数据。[/quote] 没道理啊，我测试了一下百度首页和这个帖子，都能取到啊，要不你给我的地址试试

「已注销」 2016-06-01

打赏
举报

发现了一个新的情况：之所以获取不到数据，是因为数据被封装在IFrame里面，然后IFrame里面嵌入的是另一个HTML，所以获取源代码的时候，只能取到主页面的HTML，IFrame里的HTML就读不到了。现在的问题是，如果一个HTML里面嵌了多个IFrame，怎么获取Iframe里的HTML呢？

「已注销」 2016-06-01

打赏
举报

引用 4 楼 cutmelon 的回复:

我隐约记得body的父元素就是html，html的outerHTML就是源码，根据楼主的代码大概这样写


	{
		...
		if (spDoc3!=NULL)
		{
			IHTMLElement* elementBody;
			IHTMLElement* elementHtml;

			spDoc3->get_body(&elementBody);
			elementBody->get_parentElement(&elementHtml);

			BSTR bstr;
			elementHtml->get_outerHTML(&bstr);

			...
		}
	}

其实也不是获取不到HTML，框架都能得到，就到TD、TR、TABLE里面的数据读不到。 HEAD标签在IHTMLDocument3的Element里面也可以取到，但是一样没数据。

cutmelon 2016-06-01

打赏
举报

我隐约记得body的父元素就是html，html的outerHTML就是源码，根据楼主的代码大概这样写


	{
		...
		if (spDoc3!=NULL)
		{
			IHTMLElement* elementBody;
			IHTMLElement* elementHtml;

			spDoc3->get_body(&elementBody);
			elementBody->get_parentElement(&elementHtml);

			BSTR bstr;
			elementHtml->get_outerHTML(&bstr);

			...
		}
	}