Поиск в HTML

← →
oens (2003-12-03 15:34) [0]

Господа.
Как найти все ссылки в html документе и вывести их
в FileListBox1?

← →
Darrin © (2003-12-03 15:38) [1]

парсишь документ на предмет наличия текста "href=", то что после него и есть ссылка

← →
Ihor Osov'yak © (2003-12-03 15:46) [2]

смотреть mshtml.pas
Подробности - в мсдн.
Можешь еще поискать "Использование функциональности IE" на Королевстве Делфи..

← →
oens (2003-12-03 15:57) [3]

Господа, если можно подробнее, я с этой темой впервые работаю.

← →
TUser © (2003-12-03 17:04) [4]

Вот только что писал
procedure TForm1.JvHTButton1Click(Sender: TObject); var f,fr,fh:textfile; s,s1:string; count, i:integer; stre:TMemoryStream; mem:PChar; res:widestring; fl:boolean; begin count:=0; assignFile(f,"C:\evgeniy\pdb\guide\download\toc.txt"); reset(f); assignfile(fr,"C:\evgeniy\pdb\guide\download\urls"); rewrite(fr); assignFile(fh,"C:\evgeniy\pdb\guide\download\toc.html"); rewrite(fh); while not eof(f) do begin readln(f,s); if pos("<A href=" http://www.rcsb.org/pdb/docs/format/pdbguide2.2/part",s)=1 then begin s1:=" http://www.rcsb.org/pdb/docs/format/pdbguide2.2/part"+copy(s,length("<A href=" http://www.rcsb.org/pdb/docs/format/pdbguide2.2/part")+1,20); i:=pos("" tar",s1); if i=0 then i:=pos("" tar",s1); // showMessage(s1+#13+inttostr(i)+" of "+inttostr(length(s1))); delete(s1,i,length(s1)-i+1); writeln(fr,s1); delete(s,9,length(" http://www.rcsb.org/pdb/docs/format/pdbguide2.2/")); end; writeln (fh,s); end; closefile(f); closefile(fr); closefile(fh); assignfile(f,"C:\evgeniy\pdb\guide\download\urls"); reset(f); progressbar1.Min:=0; progressbar1.Max:=count; progressbar1.Position:=0; while not eof(f) do begin readln(f,s); label1.Caption:="processing "+s; stre:=TMemorystream.Create; httpcli1.URL:=s; httpcli1.Proxy:=""; httpcli1.ProxyPort:="80"; httpcli1.RcvdStream:=stre; httpcli1.Get; mem:=stre.Memory; memo1.Lines.Text:=res; i:=1; res:=widestring(mem); while i<length(res) do {begin showmessage(res[i]+" = "+inttostr(ord(res[i]))); inc(i); end; } if (res[i]=#13) or (res[i]=#10) then delete(res,i,1) else inc(i); i:=1; fl:=true; while (i<length(res)+1) and fl do if (res[i]="<") and (res[i+1]="A") and (res[i+2]=" ") then begin insert(#13,res,i); i:=i+3; end else if copy(res,i,7)="</html>" then i:=length(res)+1 else inc(i); mem:=PChar(res); i:=1; s1:=""; i:=pos(".html",s); assignfile(fh,"C:\evgeniy\pdb\guide\download\"+copy(s,length(" http://www.rcsb.org/pdb/docs/format/pdbguide2.2/")+1,i+len gth(".html")-length(" http://www.rcsb.org/pdb/docs/format/pdbguide2.2/"))); rewrite(fh); while i<length(res)+1 do begin if copy(res,i,length("<A href=" http://www.rcsb.org/pdb/docs/format/pdbguide2.2/part"))="<A href=" http://www.rcsb.org/pdb/docs/format/pdbguide2.2/" then begin write(fh, "<A href=""); inc (i,length("<A href=" http://www.rcsb.org/pdb/docs/format/pdbguide2.2/part")); end else begin write (fh,res[i]); inc (i); end; end; closefile (fh); stre.Free; progressbar1.Position:=progressbar1.Position+1; end; closefile(f);

Глюки есть, но для моих утилитарных целей (скачка некоторого количества страниц) прокатило. Для использования в серьезном проекте надо немного поотлаживать, что несложно. Только учти, что в данном случае я точно знал, как выглядят ссылки на этом сайте. Если же это неизвестно, то придется писать свой маленький парсер, учитывая, что возможно существование например, такой ссылки <a name=... target=... href=...>. Можно использовать готовые парсеры.

← →
TUser © (2003-12-03 17:06) [5]

Да, совсем забыл. Я предвартельно исходный файл отдельной прогой изменил - убрал все #13 и #10, а потом вставил по #13 перед каждой ссылкой.

← →
хамло (2003-12-03 17:19) [6]

> смотреть mshtml.pas
правильный ответ!

← →
lahtak (2003-12-03 17:36) [7]

Вот готовая процедура (c) Larsen www.euromind.com

procedure GetAnchorList(Ic: IHTMLElementCollection; Anchorlist: TStrings);
var
Anchor: IHTMLAnchorElement;
Disp: IDispatch;
x: Integer;
begin
if IC <> nil then begin
for x := 0 to IC.length - 1 do begin
Disp := IC.item(x, 0);
if SUCCEEDED(Disp.QueryInterface(IHTMLAnchorElement, Anchor))
and (anchor.href <> "")
then Anchorlist.add(Anchor.href);
end;
end;
end;

← →
хамло (2003-12-03 17:52) [8]

2 lahtak

а откуда береться "Ic: IHTMLElementCollection" и что такое "IHTMLAnchorElement" история умалчивает? ))

← →
lahtak (2003-12-03 22:07) [9]

хамло (03.12.03 17:19) [6] > смотреть mshtml.pas
:)
А если серьезно IHTMLAnchorElement - это и есть ссылка в широком
смысле , IHTMLElementCollection берется из
Doc : iHTMLDocument2;
ic:=Doc.get_all;
а документ берется например из браузера , а в полном примере
Ларсена вообще откуда хочешь.

← →
oens (2003-12-04 08:18) [10]

Спаибо. Всем.
Эд.

Поиск в HTML Найти похожие ветки