為了計(jì)算文本與標(biāo)題相似度，需要用到標(biāo)題文本。而爬數(shù)據(jù)的時(shí)候?qū)⑽募O(shè)置為url而沒有用網(wǎng)頁(yè)標(biāo)題來存，所以需要解析網(wǎng)頁(yè)提取，工程在.net平臺(tái)下利用webbrowser實(shí)現(xiàn)的，用到了微軟的mshtml。

讓客戶滿意是我們工作的目標(biāo)，不斷超越客戶的期望值來自于我們對(duì)這個(gè)行業(yè)的熱愛。我們立志把好的技術(shù)通過有效、簡(jiǎn)單的方式提供給客戶，將通過不懈努力成為客戶在信息化領(lǐng)域值得信任、有價(jià)值的長(zhǎng)期合作伙伴，公司提供的服務(wù)項(xiàng)目有：域名申請(qǐng)、雅安服務(wù)器托管、營(yíng)銷軟件、網(wǎng)站建設(shè)、武威網(wǎng)站維護(hù)、網(wǎng)站推廣。

用IHTMLDocument2.title倒是可以獲得標(biāo)題，但是它取得的標(biāo)題有時(shí)會(huì)包含網(wǎng)站名如： Colorado shooting suspect sent to trial | World news | guardian.co.uk

為了計(jì)算準(zhǔn)確，希望只有當(dāng)前主題網(wǎng)頁(yè)中的標(biāo)題就是只有Colorado shooting suspect sent to trial。觀察html發(fā)現(xiàn)一般主題網(wǎng)頁(yè)的meta信息中會(huì)有不包含網(wǎng)站名的title，在格式如下的一個(gè)標(biāo)簽里<meta property="og:title" content="Colorado shooting suspect sent to trial"/>。于是用正則匹配IHTMLElement的outerhtml，嘗試各種正則都沒匹配到。

原來outerhtml中只有body結(jié)點(diǎn)中的html，并不包含meta信息。然后google查有什么方法獲得meta中的內(nèi)容，發(fā)現(xiàn)一個(gè)解決方法http://forums.asp.net/p/1455331/3332061.aspx。關(guān)鍵代碼貼在這里：

foreach (IHTMLElement el in (IHTMLElementCollection)doc.all) 
       { 
           // check to see if all the desired attributes were found with the correct values 
           bool qualify = true; 
           if (el.tagName == "META") 
           { 
               HTMLMetaElement meta = (HTMLMetaElement)el; 
               Response.Write("Content " + meta.content +"<br/>"); 
           } 

利用IHTMLDocument2可以獲得所有標(biāo)簽信息，包括meta中的。然后再用正則或者字符串匹配在其中找相應(yīng)的title信息，完成。

創(chuàng)新互聯(lián)www.cdcxhl.cn，專業(yè)提供香港、美國(guó)云服務(wù)器，動(dòng)態(tài)BGP最優(yōu)骨干路由自動(dòng)選擇，持續(xù)穩(wěn)定高效的網(wǎng)絡(luò)助力業(yè)務(wù)部署。公司持有工信部辦法的idc、isp許可證， 機(jī)房獨(dú)有T級(jí)流量清洗系統(tǒng)配攻擊溯源，準(zhǔn)確進(jìn)行流量調(diào)度，確保服務(wù)器高可用性。佳節(jié)活動(dòng)現(xiàn)已開啟，新人活動(dòng)云服務(wù)器買多久送多久。

分享名稱：mshtml獲取meta信息-創(chuàng)新互聯(lián)
當(dāng)前路徑：http://chinadenli.net/article10/ddgsgo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供靜態(tài)網(wǎng)站、網(wǎng)站設(shè)計(jì)、企業(yè)建站、搜索引擎優(yōu)化、關(guān)鍵詞優(yōu)化、自適應(yīng)網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)