C/C++解析 HTML

本文在HMM7E的博文http://blog.csdn.net/hmm7e/article/details/7071705  HTML解析-第二版（C/C++）上修正了小部分错误，感谢他给予我的帮助

经修改后的工具类以及使用类大家可直接使用

基于某些不着边际想法，只为取得HTML页面上的所有“URL”和“文本”，其它的内容都不在关心之列。
问题：
对于“文本”搜索，如果搜索了除英文以外的语言还好说些，如果要搜索的内容是英文本，
那么就难以区分是“标记”还是“本文”了。对于“URL”的搜索，因为“标记”就是英文，
这样就绕回到“对于‘文本’搜索”。另外字母的大小写，被转义的字符，引号，尖括号，都得处理。
例如：
<a href="http://www.csdn.net" >csdn</a>
<script src="http://csdnimg.cn/xxxxxxxx.js" type="text/javascript"></script>
想要搜索“csdn”这个字符串，直接以字符串遍历的法能搜索到3个，其实呢只希望搜索到1个。
例如：
<a href="http://bbs.csdn.net" >论坛</a>
<a href="http://bbs.csdn.net" >论 坛</a>
<a href="http://bbs.csdn.net" >论  坛</a>
想要搜索“论坛”这个字符串，按语义上讲，希望在搜索时能搜到3个。
但直接以字符串遍历的法能搜到1个，原因在于加了“空格”后的字符串，
计算机不知道对于人来讲意思并没有变。


总结：
1:直接搜索特定字符串,不多了就是少了。
2:尝试过MS的COM库，功能强大且齐全，但耗费的资源也相当多。
3:耳熟能详的搜索引擎也跑过几个回合，因没有耐心翻遍所有网页只好放弃。


结论：
只能把HTML页面完整的解析完毕才能达找到想到的东西，尽管不是全部，但情况要好很多。

思路：
１．初步分析所有的HTML标签，将其分出必要的层次；
２．层次较高的标签可以对象化，而层次低一些的标签或元素按照用途及使用频率分别对待；
３．凡对象化的标签，在C语言中都可以声明为结构，未对象化的元素可以按性质以相应的数据类型进行存储。

要求：
１．不是所有的标签和元素都可以对象化的，那样会非常复杂；
２．所有被对象化的标签都必须写一套专用的解释和处理程序；
３．上述思路适合数据库的存储。

方法：
HTML语句结构是：<a href="http://www.csdn.net" >aaaa</a> 或 <link href="/favicon.ico" />
等等一连串类似的语句组成，并且只有嵌套没有循环（脚本只能算上面提到的“文本”）。
分界符（这个词本人自己的称呼）使用的是“ <>""''=空格 ”，把两个分界符之间的内容看作一个链表节点，
“标记”a与“标记”/a是“父”节点与“子”节点的关系，“标记”a与“标记”href是“兄弟”节点的关系。
这样的好处是不用关心“标记”含义，就可以把整个页面解析成一个二维链表。
纵向可以遍历“标记”和“文本”，横向可以找到“文本”对应用“URL”。
当然实际情况要复杂的多，种种异常情况都要考虑。如：转意字符，脚本中的括号对称验证等等，
最糟糕是碰到错误的语法，或者根本就不是HTML页面（这个就不属性本文说明范围了）。

还是一样

1：较“HTML解析-第一版(C/C++)” 减少了内存拷贝，速度相对提高很多。

2：代码在VS2008，VS2013下测试通过。#define _UNICODE #define _WIN32_WINNT 0x0600

3：解析方法：类似于构建一个map表（STL模板库里的map不利于阅读，可以参考MFC类库的CMap），最终组成一个二维的单向链表。

4：CHtmlObject 类负责解析HTML“标记”和“属性”。

//////////////////////////////////////////////////////////////////////////////////////////CHtmlObject.h//////////////////////////////////////////////////////////////////////////#ifndef __JESONYANG_HTMLOBJECT_H__#define __JESONYANG_HTMLOBJECT_H__/*****************************************************************************************************************created: 2011/12/03author: JesonYangblog: http://blog.csdn.net/yc7369*****************************************************************************************************************/#include <windows.h>#include <tchar.h>class CHtmlObject{public://static BOOL IsSpace(TCHAR tcLetter);protected:struct tagNode{LPCTSTR s_pszKey;LPCTSTR s_pszValue;struct tagNode * s_pstRight; //attribute of tagstruct tagNode * s_pstNext; //next tag};public:CHtmlObject(void);virtual ~CHtmlObject(void);//enum { CHARSET_UTF8, CHARSET_UNICODE, CHARSET_MULTIBYTE }TextCharset;  //字符集类型protected://tagNode * InnerAllocNode();                                //分配新的html节点void InnerFreeNode(tagNode * lpstNode);    //删除html节点void InnerLinkNextNode(tagNode * lpstNode);                             //下一个html节点void InnerLinkRightNode(tagNode * lpstTagNode, tagNode * lpstNode);     //右边的节点void InnerCleanupNode();                                                //去除所有节点void InnerCleanupRightNode(tagNode * lpstNode);//循环清除所有“属性”节点。public://void AutoTakeSnapshot(PBYTE lpszString, UINT nStringLen);  //根据数据头获取相应编码void TakeSnapshot(PBYTE lpszString, UINT nStringLen, UINT nFromCharset);void DeleteSnapshot();//void Parse();private://void InnerParse();LPTSTR InnerSplitComment(tagNode * lpstNode, LPTSTR lpszTagString);LPTSTR InnerSplitTag(tagNode * lpstNode, LPTSTR lpszTagString);LPTSTR InnerSplitContent(tagNode * lpstNode, LPTSTR lpszTagString);LPTSTR InnerSplitText(tagNode * lpstNode, LPTSTR lpszTagString);LPTSTR InnerSplitScript(tagNode * lpstNode, LPTSTR lpszTagString);LPTSTR InnerSplitStyle(tagNode * lpstNode, LPTSTR lpszTagString);protected://LPTSTR m_pszSnapshotBuffer;UINT m_nSnapshotBufferLen;UINT m_nSnapshotStringLen;//tagNode * m_pstHead;tagNode * m_pstTail;};#endif//////////////////////////////////////////////////////////////////////////////////////////CHtmlObject.h//////////////////////////////////////////////////////////////////////////

//////////////////////////////////////////////////////////////////////////////////////////CHtmlObject.cpp//////////////////////////////////////////////////author: JesonYang////////////////////////#pragma once/*****************************************************************************************************************created: 2011/12/03author: JesonYangblog: http://blog.csdn.net/yc7369*****************************************************************************************************************/#include "HtmlObject.h"#include "HtmlHelper.h"//BOOL CHtmlObject::IsSpace(TCHAR tcLetter){//以下字符在HTML标记里都算是空格。return (tcLetter == _T(' ') || tcLetter == _T('\r') || tcLetter == _T('\n') || tcLetter == _T('\t'));}CHtmlObject::CHtmlObject(void){m_pszSnapshotBuffer = NULL;m_nSnapshotBufferLen = 0;m_nSnapshotStringLen = 0;m_pstHead = NULL;m_pstTail = NULL;}CHtmlObject::~CHtmlObject(void){DeleteSnapshot();}//CHtmlObject::tagNode * CHtmlObject::InnerAllocNode(){CHtmlObject::tagNode * pstResult = new CHtmlObject::tagNode;if (pstResult){::ZeroMemory((LPVOID)pstResult, sizeof(CHtmlObject::tagNode));}return pstResult;}void CHtmlObject::InnerFreeNode(CHtmlObject::tagNode * lpstNode){if (lpstNode)delete lpstNode;}void CHtmlObject::InnerLinkNextNode(tagNode * lpstNode){//链接到“尾”结点。//1：如果没有“头”节点，那么表示链表是“空”的。//2：如果已经存“头”节点，那么就链接新节点到“尾”节点，并重新记录“尾”节点指针。if (m_pstHead == NULL){m_pstHead = lpstNode;m_pstTail = lpstNode;}else{m_pstTail->s_pstNext = lpstNode;m_pstTail = lpstNode;}#ifdef _DEBUGif (lpstNode->s_pszKey){::OutputDebugString(_T("--"));::OutputDebugString(lpstNode->s_pszKey);::OutputDebugString(_T("--\r\n"));}if (lpstNode->s_pszValue){::OutputDebugString(_T("--"));::OutputDebugString(lpstNode->s_pszValue);::OutputDebugString(_T("--\r\n"));}#endif //_DEBUG}void CHtmlObject::InnerLinkRightNode(tagNode * lpstTagNode, tagNode * lpstNode){//链接到“属性”的“头”节点。//1：把现有的“属性”链表，链接到当前新节点的下。//2：把当前节点做为“头”节点保存。lpstNode->s_pstRight = lpstTagNode->s_pstRight;lpstTagNode->s_pstRight = lpstNode;#ifdef _DEBUGif (lpstNode->s_pszKey){::OutputDebugString(_T("-->"));::OutputDebugString(lpstNode->s_pszKey);::OutputDebugString(_T("<--\r\n"));}if (lpstNode->s_pszValue){::OutputDebugString(_T("-->"));::OutputDebugString(lpstNode->s_pszValue);::OutputDebugString(_T("<--\r\n"));}#endif //_DEBUG}void CHtmlObject::InnerCleanupNode(){//循环清除所有节点。如果存在“属性”节点一并清除。CHtmlObject::tagNode * pstPrev = NULL;while (m_pstHead){pstPrev = m_pstHead;m_pstHead = m_pstHead->s_pstNext;//firstInnerCleanupRightNode(pstPrev);//secondInnerFreeNode(pstPrev);}m_pstHead = NULL;m_pstTail = NULL;}void CHtmlObject::InnerCleanupRightNode(CHtmlObject::tagNode * lpstNode){//循环清除所有“属性”节点。CHtmlObject::tagNode * pstHead = lpstNode->s_pstRight;CHtmlObject::tagNode * pstPrev = NULL;while (pstHead){pstPrev = pstHead;pstHead = pstHead->s_pstRight;InnerFreeNode(pstPrev);}pstHead = NULL;pstPrev = NULL;}//void CHtmlObject::AutoTakeSnapshot(PBYTE lpszString, UINT nStringLen){if (lpszString && nStringLen > 0){//根据数据头自动判断是否需要转换数据到当前应程所使用的编码。if (nStringLen >= 2){if (lpszString[0] == 0xFF && lpszString[1] == 0xFE) // skip 0xFF,0xFE{TakeSnapshot(lpszString + 2, nStringLen - 2, CHtmlObject::CHARSET_UNICODE);}else if (lpszString[0] == 0xEF && lpszString[1] == 0xBB && lpszString[2] == 0xBF)// skip 0xEF,0xBB,0xBF{TakeSnapshot(lpszString + 3, nStringLen - 3, CHtmlObject::CHARSET_UTF8);}else{TakeSnapshot(lpszString, nStringLen, CHtmlObject::CHARSET_MULTIBYTE);}}else{TakeSnapshot(lpszString, nStringLen, CHtmlObject::CHARSET_MULTIBYTE);}}}void CHtmlObject::TakeSnapshot(PBYTE lpszString, UINT nStringLen, UINT nFromCharset){//delete old snapshotDeleteSnapshot();if (lpszString && nStringLen > 0){//transform to TCHARif (CHtmlHelper::CHARSET_UTF8 == nFromCharset){#ifdef _UNICODE m_nSnapshotBufferLen = nStringLen;m_pszSnapshotBuffer = new TCHAR[m_nSnapshotBufferLen];::memset((LPVOID)m_pszSnapshotBuffer, 0, m_nSnapshotBufferLen*sizeof(TCHAR));m_nSnapshotStringLen = ::MultiByteToWideChar(CP_UTF8, 0, (LPCSTR)lpszString, nStringLen, m_pszSnapshotBuffer, m_nSnapshotBufferLen);#else::OutputDebugString(_T("no support"));#endif //_UNICODE}else if (CHtmlHelper::CHARSET_UNICODE == nFromCharset){#ifdef _UNICODE m_nSnapshotBufferLen = nStringLen;m_pszSnapshotBuffer = new TCHAR[m_nSnapshotBufferLen];::memset((LPVOID)m_pszSnapshotBuffer, 0, m_nSnapshotBufferLen*sizeof(TCHAR));::memcpy((LPVOID)m_pszSnapshotBuffer, lpszString, nStringLen);#elsem_nSnapshotBufferLen = nStringLen / 2 + 1;m_pszSnapshotBuffer = new TCHAR[m_nSnapshotBufferLen];::memset((LPVOID)m_pszSnapshotBuffer, 0, m_nSnapshotBufferLen*sizeof(TCHAR));m_nSnapshotStringLen = ::WideCharToMultiByte(CP_ACP, 0, (LPWSTR)lpszString, nStringLen, (LPSTR)m_pszSnapshotBuffer, m_nSnapshotBufferLen, NULL, NULL);#endif //_UNICODE}else{#ifdef _UNICODE m_nSnapshotBufferLen = nStringLen;m_pszSnapshotBuffer = new TCHAR[m_nSnapshotBufferLen];::memset(m_pszSnapshotBuffer, 0, m_nSnapshotBufferLen*sizeof(TCHAR));m_nSnapshotStringLen = ::MultiByteToWideChar(CP_ACP, 0, (LPCSTR)lpszString, nStringLen, m_pszSnapshotBuffer, m_nSnapshotBufferLen);#elsem_nSnapshotBufferLen = nStringLen;m_pszSnapshotBuffer = new TCHAR[m_nSnapshotBufferLen];::memset((LPVOID)m_pszSnapshotBuffer, 0, m_nSnapshotBufferLen*sizeof(TCHAR));::memcpy((LPVOID)m_pszSnapshotBuffer, lpszString, nStringLen);#endif //_UNICODE}}}void CHtmlObject::DeleteSnapshot(){//先清除树型表。InnerCleanupNode();if (m_pszSnapshotBuffer)delete[]m_pszSnapshotBuffer;m_pszSnapshotBuffer = NULL;m_nSnapshotBufferLen = 0;m_nSnapshotStringLen = 0;}//void CHtmlObject::Parse(){#ifdef _AFXCString strTrace;strTrace.Format(_T("CHtmlObject::Parse() --begin-->(%d)\r\n"), ::GetTickCount());::OutputDebugString(strTrace);#endif //_AFXInnerParse();#ifdef _AFXstrTrace.Format(_T("CHtmlObject::Parse() --end-->(%d)\r\n"), ::GetTickCount());::OutputDebugString(strTrace);#endif //_AFX}//void CHtmlObject::InnerParse(){LPTSTR pszFind = m_pszSnapshotBuffer;//跳过所有“空格”while (*pszFind != _T('\0') && CHtmlObject::IsSpace(*pszFind)){//下一个字符pszFind++;}//直到碰到'\0'就退出do{// 不是“\0”，并且第一个字符为“<”则置换为“\0”，否则什么也不做。//这么写的原因就在于InnerSplitContent()返回后 “<”可能已经被置换成“\0”。if (*pszFind != _T('\0') && *pszFind == _T('<')){//把“<”置换为“\0”,做为结尾。*pszFind = _T('\0');//下一个字符。pszFind++;}// 不是“\0”if (*pszFind != _T('\0')){//是否为注释if (*pszFind == _T('!')){//申请一个点节。tagNode *pstNode = InnerAllocNode();//解析注释，返回的是注释后面的内容。pszFind = InnerSplitComment(pstNode, pszFind);//链接到“链表”。（下）InnerLinkNextNode(pstNode);}else{//申请一个点节。tagNode *pstNode = InnerAllocNode();//解析tag，返回的是tag后面的内容。pszFind = InnerSplitTag(pstNode, pszFind);//解析content返回的是content后面的内容。pszFind = InnerSplitContent(pstNode, pszFind);//链接到“链表”。（下）InnerLinkNextNode(pstNode);}}} while (*pszFind != _T('\0'));}LPTSTR CHtmlObject::InnerSplitComment(CHtmlObject::tagNode * lpstNode, LPTSTR lpszTagString){LPTSTR pszFind = lpszTagString;//指向注释开头(已经跳过“<”字符)lpstNode->s_pszKey = pszFind;//如果为 <!-- *** -->if (::_tcsnicmp(pszFind + 1, _T("--"), 2) == 0){//跳过注释标记“头”，开始查找。pszFind += 3;//查找到注释结尾，并给结尾加“\0”。while (::_tcsnicmp(pszFind, _T("-->"), 3) != 0){//下一个字符pszFind++;}//不是“\0”if (*pszFind != _T('\0')){//把“>”置换为“\0”,做为注释结尾*(pszFind + 2) = _T('\0');//指向新的节点或内容。pszFind += 3;}}//否则为 <! *** >else{//查找到注释结尾，并给结尾加“\0”。while (*pszFind != _T('\0') && *pszFind != _T('>')){//下一个字符pszFind++;}//不能是“\0”if (*pszFind != _T('\0')){//把“>”置换为“\0”,做为注释结尾。*pszFind = _T('\0');//指向新的节点或内容。pszFind++;}}//找到一个“<”while (*pszFind != _T('\0') && *pszFind != _T('<')){//下一个字符pszFind++;}return pszFind;}LPTSTR CHtmlObject::InnerSplitTag(CHtmlObject::tagNode * lpstNode, LPTSTR lpszTagString){LPTSTR pszFind = lpszTagString;//指向开头(已经跳过“<”字符)lpstNode->s_pszKey = pszFind;//查找tag结尾，并给结尾加“\0”。while (*pszFind != _T('\0') && *pszFind != _T('>') && !CHtmlObject::IsSpace(*pszFind)){//下一个字符pszFind++;}//不是“\0”if (*pszFind != _T('\0')){if (*pszFind == _T('>')){//把“>”置换为“\0”,做为注释结尾。*pszFind = _T('\0');//指向新的节点或内容。pszFind++;//此tag没有属性,什么也不做了。}else{//把“space,\r,\n,\t ”置换为“\0”,做为注释结尾。*pszFind = _T('\0');//指向新的节点或内容。pszFind++;//如果不是结束标记，表示此tag有“属性”还需要解析“属性”。if (*lpstNode->s_pszKey != _T('/')){//跳过所有“空格”,找到第一个属性。while (*pszFind != _T('\0') && CHtmlObject::IsSpace(*pszFind)){//下一个字符pszFind++;}//循环分析“属性”。while (*pszFind != _T('\0') && *pszFind != _T('<') && *pszFind != _T('>')){//例：// key="value" key=value//跳过空格while (*pszFind != _T('\0') && CHtmlObject::IsSpace(*pszFind)){//下一个字符pszFind++;}//不是“\0”if (*pszFind != _T('\0')){//申请一个点节。tagNode *pstAttributeNode = InnerAllocNode();//指向“属性”Key。pstAttributeNode->s_pszKey = pszFind;//查找key的末尾.while (*pszFind != _T('\0') && *pszFind != _T('=') && *pszFind != _T('>')){//下一个字符pszFind++;}//不是“\0”if (*pszFind != _T('\0')){if (*pszFind == _T('>')){//把“>”置换为“\0”,做为结尾。*pszFind = _T('\0');//指向新的节点或内容。pszFind++;//链接到“链表”（右）。InnerLinkRightNode(lpstNode, pstAttributeNode);//已经碰到“>”,需要跳出。break;}else{//把“=”置换为“\0”,做为结尾。*pszFind = _T('\0');//指向新的节点或内容。pszFind++;//不是“\0”if (*pszFind != _T('\0')){if (*pszFind == _T('"')){//跳过“"”pszFind++;//指向“属性”key的Value。pstAttributeNode->s_pszValue = pszFind;//查找Value的末尾.while (*pszFind != _T('\0') && *pszFind != _T('\"') && *pszFind != _T('>')){//下一个字符pszFind++;}//不是“\0”if (*pszFind != _T('\0')){//把“",> ”置换为“\0”,做为结尾。*pszFind = _T('\0');//指向新的节点或内容。pszFind++;}}else if (*pszFind == _T('\'')){//跳过“'”pszFind++;//指向“属性”key的Value。pstAttributeNode->s_pszValue = pszFind;//查找Value的末尾.while (*pszFind != _T('\0') && *pszFind != _T('\'') && *pszFind != _T('>')){//下一个字符pszFind++;}//不是“\0”if (*pszFind != _T('\0')){//把“",<space> ”置换为“\0”,做为结尾。*pszFind = _T('\0');//指向新的节点或内容。pszFind++;}}else{//指向“属性”key的Value。pstAttributeNode->s_pszValue = pszFind;//查找Value的末尾.while (*pszFind != _T('\0') && *pszFind != _T(' ') && *pszFind != _T('>')){//下一个字符pszFind++;}//不是“\0”if (*pszFind != _T('\0')){//把“ ”置换为“\0”,做为结尾。*pszFind = _T('\0');//指向新的节点或内容。pszFind++;}}}}}//链接到“链表”（右）。InnerLinkRightNode(lpstNode, pstAttributeNode);}}//跳过这个无用的字符。if (*pszFind == _T('>')){//指向新的节点或内容。pszFind++;}}}}return pszFind;}LPTSTR CHtmlObject::InnerSplitContent(CHtmlObject::tagNode * lpstNode, LPTSTR lpszTagString){LPTSTR pszFind = lpszTagString;if (::_tcsnicmp(lpstNode->s_pszKey, _T("script"), 6) == 0){pszFind = InnerSplitScript(lpstNode, pszFind);}else if (::_tcsnicmp(lpstNode->s_pszKey, _T("style"), 5) == 0){pszFind = InnerSplitStyle(lpstNode, pszFind);}else{pszFind = InnerSplitText(lpstNode, pszFind);}return pszFind;}LPTSTR CHtmlObject::InnerSplitText(CHtmlObject::tagNode * lpstNode, LPTSTR lpszTagString){LPTSTR pszFind = lpszTagString;//跳过所有“空格”while (*pszFind != _T('\0') && CHtmlObject::IsSpace(*pszFind)){//下一个字符pszFind++;}//如果 _T('<') 表示没有文本。if (*pszFind != _T('<')){//指向可见文本。lpstNode->s_pszValue = pszFind;//查找文本结尾。while (*pszFind != _T('\0') && *pszFind != _T('<') && !CHtmlObject::IsSpace(*pszFind)){//下一个字符pszFind++;}//不是“\0”if (*pszFind != _T('\0')){if (*pszFind == _T('<')){//把“<”置换为“\0”,做为结尾。*pszFind = _T('\0');//指向新的节点或内容。pszFind++;}else{//把“space,\r,\n,\t,”置换为“\0”,做为结尾。*pszFind = _T('\0');//指向新的节点或内容。pszFind++;//找到一个“<”while (*pszFind != _T('\0') && *pszFind != _T('<')){//下一个字符pszFind++;}}}}return pszFind;}LPTSTR CHtmlObject::InnerSplitScript(tagNode * lpstNode, LPTSTR lpszTagString){LPTSTR pszFind = lpszTagString;#define  SCRIPT_MARK_MAX1024UINT nMarkIndex = 0;TCHAR szMark[SCRIPT_MARK_MAX] = { _T('\0') }; //max 1024//跳过所有“空格”while (*pszFind != _T('\0') && CHtmlObject::IsSpace(*pszFind)){//下一个字符pszFind++;}if (*pszFind != _T('\0') && *pszFind != _T('<')){//指向可见文本。lpstNode->s_pszValue = pszFind;while (*pszFind != _T('\0')){//如果字符被“'，"”包围则为字符串，这期间不计算注释。if (szMark[nMarkIndex] != _T('\'') && szMark[nMarkIndex] != _T('\"')){//如果是// abc 则跳过。if (::_tcsnicmp(pszFind, _T("//"), 2) == 0){//跳过注释“头”。pszFind += 2;//查找注释“尾”。while (*pszFind != _T('\0') && *pszFind != _T('\n')){pszFind++;}//跳过注释“尾”。if (*pszFind != _T('\0'))pszFind++;}//如果是/* abc */则跳过。else if (::_tcsnicmp(pszFind, _T("/*"), 2) == 0){//跳过注释“头”。pszFind += 2;//查找注释“尾”。while (::_tcsnicmp(pszFind, _T("*/"), 2) != 0){pszFind++;}//跳过注释“尾”。if (*pszFind != _T('\0'))pszFind += 2;}}if (*pszFind == _T('\\') &&(*(pszFind + 1) == _T('\\') ||*(pszFind + 1) == _T('(') || *(pszFind + 1) == _T(')') ||*(pszFind + 1) == _T('[') || *(pszFind + 1) == _T(']') ||*(pszFind + 1) == _T('{') || *(pszFind + 1) == _T('}') ||*(pszFind + 1) == _T('\'') ||*(pszFind + 1) == _T('\"'))){//转意字符pszFind += 2;}else if (*pszFind == _T('{') || *pszFind == _T('(') || *pszFind == _T('[') || (*pszFind == _T('\'') || *pszFind == _T('\"'))){if (szMark[nMarkIndex] != _T('\'') && szMark[nMarkIndex] != _T('\"')){if (nMarkIndex < SCRIPT_MARK_MAX){if (nMarkIndex == 0 && szMark[nMarkIndex] == _T('\0'))szMark[nMarkIndex] = *pszFind;elseszMark[++nMarkIndex] = *pszFind;}}else if (szMark[nMarkIndex] == *pszFind){if (nMarkIndex >0)szMark[nMarkIndex--] = _T('\0');elseszMark[nMarkIndex] = _T('\0');}pszFind++;}else if (*pszFind == _T('}')){if (szMark[nMarkIndex] == _T('{')){if (nMarkIndex >0)szMark[nMarkIndex--] = _T('\0');elseszMark[nMarkIndex] = _T('\0');}pszFind++;}else if (*pszFind == _T(')')){if (szMark[nMarkIndex] == _T('(')){if (nMarkIndex >0)szMark[nMarkIndex--] = _T('\0');elseszMark[nMarkIndex] = _T('\0');}pszFind++;}else if (*pszFind == _T(']')){if (szMark[nMarkIndex] == _T('[')){if (nMarkIndex >0)szMark[nMarkIndex--] = _T('\0');elseszMark[nMarkIndex] = _T('\0');}pszFind++;}else if (*pszFind == _T('<') && szMark[0] == _T('\0'))  //nMarkIndex == 0 &&{//把“<”置换为“\0”,做为结尾。*pszFind = _T('\0');//指向新的节点或内容。pszFind++;break;}else{pszFind++;}}}return pszFind;}LPTSTR CHtmlObject::InnerSplitStyle(CHtmlObject::tagNode * lpstNode, LPTSTR lpszTagString){LPTSTR pszFind = lpszTagString;#define  STYLE_MARK_MAX1024UINT nMarkIndex = 0;TCHAR szMark[STYLE_MARK_MAX] = { _T('\0') }; //max 1024//跳过所有“空格”while (*pszFind != _T('\0') && CHtmlObject::IsSpace(*pszFind)){//下一个字符pszFind++;}if (*pszFind != _T('\0') && *pszFind != _T('<')){//指向可见文本。lpstNode->s_pszValue = pszFind;while (*pszFind != _T('\0')){//如果字符被“(，'，"”包围则为字符串，这期间不计算注释。if (szMark[nMarkIndex] != _T('(') && szMark[nMarkIndex] != _T('\'') && szMark[nMarkIndex] != _T('\"')){//如果是/* abc */则跳过。if (::_tcsnicmp(pszFind, _T("/*"), 2) == 0){//跳过注释“头”，查找注释“尾”。pszFind += 2;while (::_tcsnicmp(pszFind, _T("*/"), 2) != 0){pszFind++;}//跳过注释“尾”。if (*pszFind != _T('\0'))pszFind += 2;}}if (*pszFind == _T('{') || *pszFind == _T('(') || *pszFind == _T('[') || (*pszFind == _T('\'') || *pszFind == _T('\"'))){if (szMark[nMarkIndex] != _T('\'') && szMark[nMarkIndex] != _T('\"')){if (nMarkIndex < STYLE_MARK_MAX){if (nMarkIndex == 0 && szMark[nMarkIndex] == _T('\0'))szMark[nMarkIndex] = *pszFind;elseszMark[++nMarkIndex] = *pszFind;}}else if (szMark[nMarkIndex] == *pszFind){if (nMarkIndex >0)szMark[nMarkIndex--] = _T('\0');elseszMark[nMarkIndex] = _T('\0');}pszFind++;}else if (*pszFind == _T('}')){if (szMark[nMarkIndex] == _T('{')){if (nMarkIndex >0)szMark[nMarkIndex--] = _T('\0');elseszMark[nMarkIndex] = _T('\0');}pszFind++;}else if (*pszFind == _T(')')){if (szMark[nMarkIndex] == _T('(')){if (nMarkIndex >0)szMark[nMarkIndex--] = _T('\0');elseszMark[nMarkIndex] = _T('\0');}pszFind++;}else if (*pszFind == _T(']')){if (szMark[nMarkIndex] == _T('[')){if (nMarkIndex >0)szMark[nMarkIndex--] = _T('\0');elseszMark[nMarkIndex] = _T('\0');}pszFind++;}else if (*pszFind == _T('<') && szMark[0] == _T('\0'))  //nMarkIndex == 0 &&{//把“<”置换为“\0”,做为结尾。*pszFind = _T('\0');//指向新的节点或内容。pszFind++;break;}else{pszFind++;}}}return pszFind;}//////////////////////////////////////////////////////////////////////////////////////////CHtmlObject.cpp//////////////////////////////////////////////////////////////////////////

//////////////////////////////////////////////////////////////////////////////////////////CHtmlHelper.h//////////////////////////////////////////////////////////////////////////#ifndef __JESONYANG_HTMLHELPER_H__#define __JESONYANG_HTMLHELPER_H__/*****************************************************************************************************************created: 2011/12/03author: JesonYangblog: http://blog.csdn.net/yc7369*****************************************************************************************************************/#include "HtmlObject.h"class CHtmlHelper :public CHtmlObject{public:CHtmlHelper(void);virtual ~CHtmlHelper(void);public://LPCTSTR GetFirstLink();LPCTSTR GetNextLink();LPCTSTR GetFirstContent();LPCTSTR GetNextContent();LPCTSTRSearchText(LPCTSTR lpszText);protected://CHtmlObject::tagNode * m_pstCur;};#endif//////////////////////////////////////////////////////////////////////////////////////////CHtmlHelper.h//////////////////////////////////////////////////////////////////////////

//////////////////////////////////////////////////////////////////////////////////////////CHtmlHelper.cpp//////////////////////////////////////////////////////////////////////////#pragma once/*****************************************************************************************************************created: 2011/12/03author: JesonYangblog: http://blog.csdn.net/yc7369*****************************************************************************************************************/#include "HtmlHelper.h"#include <Shlwapi.h>#pragma comment(lib, "Shlwapi.lib")#pragma warning(disable: 4996) CHtmlHelper::CHtmlHelper(){}CHtmlHelper::~CHtmlHelper(){}//LPCTSTR CHtmlHelper::GetFirstLink(){LPCTSTR pszResult = NULL;m_pstCur = m_pstHead;while (m_pstCur && !pszResult){if (0 != ::_tcsnicmp(m_pstCur->s_pszKey, _T("script"), 6) &&0 != ::_tcsnicmp(m_pstCur->s_pszKey, _T("style"), 5)){CHtmlObject::tagNode * pstAttributeCur = m_pstCur->s_pstRight;while (pstAttributeCur){if (0 == ::_tcsnicmp(pstAttributeCur->s_pszKey, _T("href"), 4) ||0 == ::_tcsnicmp(pstAttributeCur->s_pszKey, _T("src"), 3)){//returnpszResult = pstAttributeCur->s_pszValue;break;}else{pstAttributeCur = pstAttributeCur->s_pstRight;}}}m_pstCur = m_pstCur->s_pstNext;}return pszResult;}LPCTSTR CHtmlHelper::GetNextLink(){LPCTSTR pszResult = NULL;while (m_pstCur && !pszResult){if (0 != ::_tcsnicmp(m_pstCur->s_pszKey, _T("script"), 6) &&0 != ::_tcsnicmp(m_pstCur->s_pszKey, _T("style"), 5)){CHtmlObject::tagNode * pstAttributeCur = m_pstCur->s_pstRight;while (pstAttributeCur){if (0 == ::_tcsnicmp(pstAttributeCur->s_pszKey, _T("href"), 4) ||0 == ::_tcsnicmp(pstAttributeCur->s_pszKey, _T("src"), 3)){//returnpszResult = pstAttributeCur->s_pszValue;break;}else{pstAttributeCur = pstAttributeCur->s_pstRight;}}}m_pstCur = m_pstCur->s_pstNext;}return pszResult;}LPCTSTR CHtmlHelper::GetFirstContent(){LPCTSTR pszResult = NULL;m_pstCur = m_pstHead;while (m_pstCur && !pszResult){if (0 != ::_tcsnicmp(m_pstCur->s_pszKey, _T("script"), 6) &&0 != ::_tcsnicmp(m_pstCur->s_pszKey, _T("style"), 5)){if (m_pstCur->s_pszValue)pszResult = m_pstCur->s_pszValue;}m_pstCur = m_pstCur->s_pstNext;}return pszResult;}LPCTSTR CHtmlHelper::GetNextContent(){LPCTSTR pszResult = NULL;while (m_pstCur && !pszResult){if (0 != ::_tcsnicmp(m_pstCur->s_pszKey, _T("script"), 6) &&0 != ::_tcsnicmp(m_pstCur->s_pszKey, _T("style"), 5)){if (m_pstCur->s_pszValue)pszResult = m_pstCur->s_pszValue;}m_pstCur = m_pstCur->s_pstNext;}return pszResult;}//LPCTSTR CHtmlHelper::SearchText(LPCTSTR lpszText){LPCTSTR pszResult = NULL;CHtmlObject::tagNode *pstCur = m_pstHead;while (pstCur && !pszResult){if (0 != ::_tcsnicmp(pstCur->s_pszKey, _T("script"), 6) &&0 != ::_tcsnicmp(pstCur->s_pszKey, _T("style"), 5)){if (pstCur->s_pszValue){if ((NULL != ::StrStrI(pstCur->s_pszValue, lpszText)))pszResult = pstCur->s_pszValue;}}pstCur = pstCur->s_pstNext;}return pszResult;}#pragma warning(default: 4996) //////////////////////////////////////////////////////////////////////////////////////////CHtmlHelper.cpp//////////////////////////////////////////////////////////////////////////