Question

我正在尝试获取Internet Explorer Web浏览器窗口的文本内容。

我正在遵循以下步骤：

获取指向IHTMLDocument2的指针
我获取身体作为IHTMLElement
~~3.在身体上我调用get_innerText~~

编辑

我获得了身体的所有孩子，并尝试对所有IHTMLElements进行递归调用
如果我得到任何不可见的元素，或者如果我得到一个标签为script的元素，我会忽略该元素及其所有子元素。

我的问题是

除了在页面上显示的文字外，我还会获得 style =“display：none”
对于google.com，我还会获得javascript以及文字。

我尝试了一种递归方法，但我对如何处理这样的场景毫无头绪，

<div>
Hello World 1
<div style="display: none">Hello world 2</div>
</div>

在这种情况下，我无法获得“Hello World 1”

任何人都可以帮助我找到从IHTMLDocument2 *获取文本的最佳方法。我使用的是C ++ Win32，没有MFC，ATL。

谢谢，与Ashish。

Answer 1

如果你在document.body.all元素上向后迭代，你将始终走出里面的元素。所以你不需要自己走路递归。 DOM会为你做到这一点。例如（代码在Delphi中）：

procedure Test();
var
  document, el: OleVariant;
  i: Integer;
begin
  document := CreateComObject(CLASS_HTMLDocument) as IDispatch;
  document.open;
  document.write('<div>Hello World 1<div style="display: none">Hello world 2<div>This DIV is also invisible</div></div></div>');
  document.close;
  for i := document.body.all.length - 1 downto 0 do // iterate backwards
  begin
    el := document.body.all.item(i);
    // filter the elements
    if (el.style.display = 'none') then
    begin
      el.removeNode(true);
    end;
  end;
  ShowMessage(document.body.innerText);
end;

侧评： 至于使用递归方法的场景：

<div>Hello World 1<div style="display: none">Hello world 2</div></div>

如果是我们的元素是第一个DIV，el.getAdjacentText('afterBegin')将返回"Hello World 1"。所以我们可以迭代元素并收集getAdjacentText('afterBegin')，但这有点困难，因为我们需要测试el.currentStyle.display的每个元素的父元素。

从IHTMLDocument2 *获取页面上的可见文本

1 个答案: