MFC CHtmlView 获取html页面text内容

MFC的CHtmlView类提供了获取HTML页面文本内容的方法。你可以使用以下步骤：

1.首先，你需要在HTML页面加载完成后获取页面文本内容。你可以在CHtmlView类的OnDocumentComplete() 方法中获取页面内容。

2.在OnDocumentComplete() 方法中，你可以使用IHTMLDocument2接口获取HTML页面的文本内容。

3.使用IHTMLDocument2的body属性获取页面的body元素。然后使用body元素的innerHTML属性获取页面的HTML代码。

4.使用CString类将HTML代码转换为纯文本内容。

以下是示例代码：

// 在OnDocumentComplete() 方法中获取HTML页面的文本内容
void CHtmlViewTestView::OnDocumentComplete(LPCTSTR lpszURL)
{
    CHtmlView::OnDocumentComplete(lpszURL);

    // 获取HTML页面的文本内容
    IHTMLDocument2* pDoc = GetHtmlDocument();
    if (pDoc)
    {
        // 获取页面的body元素
        IHTMLElement* pBody = NULL;
        HRESULT hr = pDoc->get_body(&pBody);
        if (SUCCEEDED(hr) && pBody)
        {
            // 获取body元素的innerHTML属性，即页面的HTML代码
            BSTR bstrHtml = NULL;
            hr = pBody->get_innerHTML(&bstrHtml);
            if (SUCCEEDED(hr) && bstrHtml)
            {
                // 将HTML代码转换为纯文本内容
                CString strHtml = bstrHtml;
                CString strText;
                HtmlToText(strHtml, strText);

                // 处理页面文本内容...

                // 释放资源
                SysFreeString(bstrHtml);
            }

            pBody->Release();
        }

        pDoc->Release();
    }
}

// 将HTML代码转换为纯文本内容
void CHtmlViewTestView::HtmlToText(LPCTSTR lpszHtml, CString& strText)
{
    // 使用IHTMLDocument2接口将HTML代码转换为纯文本内容
    IHTMLDocument2* pDoc = NULL;
    CoInitialize(NULL);
    HRESULT hr = CoCreateInstance(CLSID_HTMLDocument, NULL, CLSCTX_INPROC_SERVER, IID_IHTMLDocument2, (void**)&pDoc);
    if (SUCCEEDED(hr) && pDoc)
    {
        BSTR bstrHtml = SysAllocString(lpszHtml);
        VARIANT varName;
        VariantInit(&varName);
        varName.vt = VT_BSTR;
        varName.bstrVal = bstrHtml;
        pDoc->put_charset(L"utf-8");
        pDoc->write(varName);
        pDoc->close();

        IHTMLElement* pBody = NULL;
        hr = pDoc->get_body(&pBody);
        if (SUCCEEDED(hr) && pBody)
        {
            BSTR bstrText = NULL;
            hr = pBody->get_innerText(&bstrText);
            if (SUCCEEDED(hr) && bstrText)
            {
                strText = bstrText;
                SysFreeString(bstrText);
            }

            pBody->Release();
        }

        SysFreeString(bstrHtml);
        pDoc->Release();
    }

    CoUninitialize();
}

以上代码中使用了HtmlToText()方法将HTML代码转换为纯文本内容。该方法使用CoCreateInstance()方法创建IHTMLDocument2对象，使用write()方法将HTML代码写入该对象，然后使用get_innerText()方法获取纯文本内容。最后使用SysFreeString()方法释放资源。