用HTMLDocumentClass分析Html代碼（以及讀取HtmlElement所有屬性方法）

大家可能經常會需要分析一段Html代碼，有的人可能會用WebBrowser，這個方法不錯，其實微軟還提供了另一個組件，mshtml（引用Microsoft.mshtml，這個可能有好幾個大家記得引用Framework目錄下的那個），這個東西提供分析html代碼的方法，而且用起來非常的方便。

HTMLDocumentClass doc = new HTMLDocumentClass();
IHTMLDocument2 doc2 = doc;
doc2.write(html);  //html就是外面傳進來的html代碼

            HTMLDocumentClass doc = new HTMLDocumentClass();
            IHTMLDocument2 doc2 = doc;
            doc2.write(html);  //html就是外面傳進來的html代碼

使用的時候只需要遞歸doc對象childNodes即可

IHTMLDOMChildrenCollection collect = (IHTMLDOMChildrenCollection)doc.childNodes;
foreach (IHTMLDOMNode node in collect)
{
    //因爲關閉節點也會有（比如</a>，但是這樣的節點會被定義爲HTMLUnknownElementClass）
    //所以要判斷這個節點是不是未知節點不是才處理
    if (!(node is HTMLUnknownElementClass))
    {

 //獲取屬性集合
        IHTMLAttributeCollection attrs = (IHTMLAttributeCollection)node.attributes;
        foreach (IHTMLDOMAttribute attr in attrs)
        {

            //只有specified=true的屬性纔是你要的
            if (attr.specified)
            {

            }
        }
    }
}

            IHTMLDOMChildrenCollection collect = (IHTMLDOMChildrenCollection)doc.childNodes;
            foreach (IHTMLDOMNode node in collect)
            {
                //因爲關閉節點也會有（比如</a>，但是這樣的節點會被定義爲HTMLUnknownElementClass）
                //所以要判斷這個節點是不是未知節點不是才處理
                if (!(node is HTMLUnknownElementClass))
                {

　　　　　　　　　　   //獲取屬性集合
                    IHTMLAttributeCollection attrs = (IHTMLAttributeCollection)node.attributes;  
                    foreach (IHTMLDOMAttribute attr in attrs)
                    {

                        //只有specified=true的屬性纔是你要的
                        if (attr.specified)
                        {
                            
                        }
                    }
                }
            }

順便說一下，IHTMLDOMNode對象其實是所有節點（包括關閉節點比如"</a>"這個也算一個IHTMLDOMNode）

所以大家判斷是不是開頭的節點只要判斷一下是不是不等於HTMLUnknownElementClass

大家如果使用WebBrowser肯能一直有個困惑WebBrowser提供的HtmlElement對象沒有提供Attribute屬性集合，也就無法通過循環獲得節點的所有屬性，其實通過mshtml可以解決這個問題。大家可用DomDocument轉換爲HTMLDocumentClass

WebBrowser wb = new WebBrowser();
HTMLDocumentClass cls = (HTMLDocumentClass)wb.Document.DomDocument;

            WebBrowser wb = new WebBrowser();
            HTMLDocumentClass cls = (HTMLDocumentClass)wb.Document.DomDocument;

轉換以後用得到的HTMLDocumentClass就可操作所有屬性了。

轉自：http://blog.csdn.net/wsxqaz/article/details/7326502