Чем модно парсить HTML?

[Vinechka]

VS 2005, FW 2.
Собственно имеем хтмл страничку. В ней куча всего, но меня интересует одна табличка. Чем бы мне её поудобнее выковырнуть? Проще/удобнее RegEx есть что-нить для этого?

Эта табличка всегда с одним и тем же кол-вом столбцов, но количество строк постоянно меняется. + это не единственная табличка на странице (хотя такой структуры единственная - остальные это менюшки всякие).

Засовывать HTML в WebBrowser не получится, так как имеющийся там JScript вызывает ошибки и появляются окна, которые вообще нафиг не нужны.
В общем посоветуйте что-нить... может можно как-нить отключить вывод любых сообщений от вэбброузера? Или есть более человеческий способ разложить хтмл по полочкам?

[Antonariy]

Конечно, MSHTML. В .net есть аналог.

Код: Выделить всё

Dim doc as IHTMLDocument
Set doc = New HTMLDocument
doc.write htmlstring

[Vinechka]

Конечно, MSHTML. В .net есть аналог.

Код: Выделить всё

Dim doc as IHTMLDocument
Set doc = New HTMLDocument
doc.write htmlstring

HTMLDocument has no constructors. пытался с ним поиграться, так как вижу, что то что надо... но все время упирался в это. Чтобы сделать doc.write - пишет что надо использовать New, использую New - пишет что у класса нет конструктора. Засада.

[Antonariy]

Нет под рукой .net, но в вб6 это работает.
Попробуй просто любым способом создать doc и сделать doc.documentElement.outerHTML = htmlstring

Или подключи обычный mshtml

[GSerg]

Подключил-то что? Просто HTMLDocument - COM, и у него не может не быть конструкторов...

[Vinechka]

О! Подключил COM - заработало. До этого нашел в .Net mshtml версии 7, более того, ничего не подключая в Windows.forms оказывается еще был HTMLDocument С ним-то такая ерунда и была. Спасибо, что про ком напомнил - залез на соответствующую вкладку и нашел его

Вот только сделав как Antonariy написал у меня при наборе doc. не появляется список процедур и свойств объекта. Чего (а точнее где, а то полазил не въехал) подключить-то надо? Я, конечно и так смогу, но не удобно ж, ё-моё.

[GSerg]

Ну как HTMLDocument объяви...

[Antonariy]

Ну как HTMLDocument объяви...

Тогда write работать не будет... По крайней мере в COM...

[Vinechka]

Ну как HTMLDocument объяви...

Если написать вот так:

Код: Выделить всё

Dim doc As mshtml.HTMLDocument
doc = New mshtml.HTMLDocument
doc.write(mInfo.GetCalls("13.02.2006", "14.02.2006"))

То вылезает Type mismatch (GetCalls возвращает html страничку as string). (он при этом в Write хочет чтоб ему blah-blah() as object давали (где ж мне взять ).

Ну и ладно, объявлю как было, лишь бы работало, а остальное в Object Browser смотреть буду. ну можно еще для удобства еще один объект создать, в нем смотреть чего там где есть, а приписывать уже к работоспособному.

[GSerg]

Dim d As mshtml.IHTMLDocument2

[Vinechka]

Оппа! Работает! Спасибо! (гыы, выяснил, никонец-таки как надо чего объявлять).
Вчера вечером пытался разобраться (применительно к текущей задаче) с RegEx. Через 15 минут понял, что без поллитра не разберешь. Сходил купил пива и сел разбираться. Результат: лег спать в стельку пьяным, но по прежнему не решившим задачу

[Antonariy]

Я так понимаю, IHTMLDocument является "накопительным" для всех остальных от 2 до 5, и объявлять нужно именно им.

[ANDLL]

Я так понимаю, IHTMLDocument является "накопительным" для всех остальных от 2 до 5, и объявлять нужно именно им

Накопительный чего?

[tyomitch]

Накопительный интерфейс.
Но это не так. По законам COM однажды объявленные интерфейсы никогда не пересматриваются и не дополняются.

[Sebas]

А не проще(если FW2) грузануть в WebBrowser и смотреть HTMLDOCUMENT?

[GSerg]

Sebas

Засовывать HTML в WebBrowser не получится, так как имеющийся там JScript вызывает ошибки и появляются окна, которые вообще нафиг не нужны.

[tyomitch]

Sebas

Засовывать HTML в WebBrowser не получится, так как имеющийся там JScript вызывает ошибки и появляются окна, которые вообще нафиг не нужны.

WebBrowser.Silent = True

[Antonariy]

Накопительный интерфейс.
Но это не так. По законам COM однажды объявленные интерфейсы никогда не пересматриваются и не дополняются.

С законом не поспоришь, но как же в таком случае в IHTMLDocument, IHTMLElement и т.п. от версии к версии появляются новые свойства и методы? Тем более, что объектная структура mshtml это не dll, а tlb. Разве нельзя создать интерфейс новой версии, унаследовать его в IHTMLDocument и скомпилировать в новый tlb со старыми progid? Старые приложения по идее могут продолжать его использовать, потому что нужные им интерфейсы уже давно унаследованы, а новые их не волнуют.

[GSerg]

И IID'ы остаются те же? Или как в Office?

[Antonariy]

GSerg, up

PS. Проверил на двух машинах w2k pro, на одной ie5 на другой ie6. TypeLib mshtml один и тот же - {3050F1C5-98B5-11CF-BB82-00AA00BDCE0B}, смею предположить, что и clsid интерфейсов остались те же, однако в ie6 интерфейсов прибавилось. Например добавился интерфейс IHTMLEventObj4 с единственным свойством - wheelDelta. Уверен, что в ie5 alert(event.wheelDelta) не сработает

[GSerg]

Не, библиотеку в сад... интерфейсные сравни...

[tyomitch]

смею предположить, что и clsid интерфейсов остались те же

CLSID у интерфейсов в принципе не бывает. Они есть только у классов.


Что касается законов COM, то в твоём представлении проги, скомпилированные с новыми версиями TLB, должны неотвратимо падать со старой версией DLL? По твоей логике должно быть именно так
(см. тж. http://blogs.msdn.com/oldnewthing/archi ... 87658.aspx )

[Antonariy]

CLSID у интерфейсов в принципе не бывает. Они есть только у классов.

HKEY_CLASSES_ROOT\Interface\{3050F1FF-98B5-11CF-BB82-00AA00BDCE0B}\(По умолчанию)=IHTMLElement
Ну не clsid, а Interface, не важно. Проверил, одинаково для обоих версий.

Что касается законов COM, то в твоём представлении проги, скомпилированные с новыми версиями TLB, должны неотвратимо падать со старой версией DLL?

Нет, пока не попытаются вызвать метод, который не реализован в старой версии.

Рискну повторить вопрос. Как же в таком случае в IHTMLDocument, IHTMLElement и т.п. от версии к версии появляются новые свойства и методы?

[tyomitch]

CLSID у интерфейсов в принципе не бывает. Они есть только у классов.

HKEY_CLASSES_ROOT\Interface\{3050F1FF-98B5-11CF-BB82-00AA00BDCE0B}\(По умолчанию)=IHTMLElement
Ну не clsid, а Interface, не важно.

"Кошка, собака -- какая разница? и там и там четыре лапы и хвост." (с)

Ты действительно не понимаешь разницы между классами и интерфейсами?

Рискну повторить вопрос. Как же в таком случае в IHTMLDocument, IHTMLElement и т.п. от версии к версии появляются новые свойства и методы?

А с чего ты, вообще говоря, взял, что они там появляются?

[Antonariy]

Ты действительно не понимаешь разницы между классами и интерфейсами?

Е-мое, речь не о разнице между классами и интерфейсами, а о том, что идентификатор интерфейса не изменяется.

А с чего ты, вообще говоря, взял, что они там появляются?

Ладно, если ты такой любитель придираться к словам, перефразирую.

Как же в таком случае объект, объявленный как IHTMLDocument, IHTMLElement и т.п., от версии к версии получает в свое распоряжение новые свойства и методы?

Спрашиваю, потому что хочу узнать, а не просто повозить мюслями по тарелке. Раньше было интересно, но как-то отстраненно, типа есть ли жизнь на Альфе Центавра, а тут поднялась эта тема, вот и хочу разобраться. Твою ссылку попытался прочитать, но без словаря не догоняю.

[tyomitch]

Как же в таком случае объект, объявленный как IHTMLDocument, IHTMLElement и т.п., от версии к версии получает в свое распоряжение новые свойства и методы?

Какой конкретно объект, объявленный с одним и тем же интерфейсом, от версии к версии получает в свое распоряжение новые свойства и методы?
(лучше всего приложи свою TLB, а то у меня старых IE под рукой нету)

[Antonariy]

Любой из тех, у которых есть "надстройки" с номером. Например, тот же IHTMLDocument.

[tyomitch]

В этой библиотеке:

Код: Выделить всё

    [
      odl,
      uuid(626FC520-A41E-11CF-A731-00A0C9082637),
      dual,
      oleautomation
    ]
    interface IHTMLDocument : IDispatch {
        [id(0x000003e9), propget, hidden]
        HRESULT Script([out, retval] IDispatch** p);
    };


В моей библиотеке:

Код: Выделить всё

    [
      odl,
      uuid(626FC520-A41E-11CF-A731-00A0C9082637),
      dual,
      oleautomation
    ]
    interface IHTMLDocument : IDispatch {
        [id(0x000003e9), propget, hidden]
        HRESULT Script([out, retval] IDispatch** p);
    };


Найди 10 отличий.

[Antonariy]

Для справки: вопрос "Как?.." подразумевает ответ "Вот так:..", а не "найди 10 отличий там где их нет".
Некоторым нужно объяснять "на пальцах" действия, тебе же нужно так задавать вопросы, чтобы не давать возможности ответить вопросом на вопрос или ответить вообще не понятно на что.
Вот есть такой код:

Dim doc as IHTMLDocument
Set doc = New HTMLDocument
MsgBox doc.bgColor
MsgBox doc.compatMode

Допустим я его скомпилировал и запустил на машине с ie6 - вылезли два сообщения - #ffffff и BackCompat. А потом запустил на машине с ie5 - #ffffff и ошибка object does not support this property or method.

Откуда у doc появляется свойство compatMode в ie6, если интерфейс не меняется? Кстати, IHTMLDocument вообще не содержит свойств и методов, а если объявить doc как HTMLDocument ситуация та же. Как такая кухня работает?

[tyomitch]

Значит, ты всё-таки не понимаешь разницу между классом и интерфейсом

У класса HTMLDocument в IE6 добавилась поддержка IHTMLDocument5. Поэтому ты можешь обращаться к свойству compatMode.

Вызов на самом деле проходит не через IHTMLDocument, а через DispHTMLDocument. Не веришь -- переобъяви doc As IHTMLDocument3 и убедись. Или по-твоему, все интерфейсы IHTMLDocumentX накопительные?

Вот и всё. А интерфейсы IHTMLDocument, IHTMLDocument2, IHTMLDocument3 не изменились ни на бит.