如何获取选定部分的HTML

其实这个程序很简单，首先是如何获取选定部分的HTML，还记得这段吗：

  HTMLDoc := WebBrowser1.Document as IHTMLDocument2;
  SelectRange := HTMLDoc.selection.createRange() as IHTMLTxtRange;

这样 SelectRange.htmlText 就是选择部分的HTML了。

接着来实现 TrimBBSText() 函数，用于去除复制文字中的不可见乱码。

 1 {******************************************
 2  *
 3  *  TrimBBSText() 伪代码
 4  *
 5  ******************************************}
 6 function TrimBBSText(aBBSStr: String): String;
 7 var
 8   tmpStr, tmpSub: String;
 9   iCharPos: Integer;
10 begin
11   iCharPos := 1;
12   // 从tmpStr的第一个字符到最后一个
13   while (iCharPos <= Length(tmpStr)) do
14   begin
15     case tmpStr[iCharPos] of  // 检查当前字符
16 
17       '<':   {-HTML标记处理-}
18         begin
19           // 取标签内容
20           tmpSub := HTML标签内容;
21 
22           if ( 是<BR> ) then
23           begin
24             Result := Result + #13#10;    // 换成换行符 CRLF = #13#10
25             Continue;
26           end;
27 
28           // 第一种隐藏方式，SPAN标签加 DISPLAY: none
29           if ( 是<SPAN style="DISPLAY: none"> ) then
30           begin
31             // 跳过直到SPAN标签结束
32             Continue;
33           end;
34 
35           // 第一种隐藏方式，字体大小 font-size: 0px;
36           if ( 是<FONT style="font-size: 0px; "> ) then
37           begin
38             // 跳过直到FONT标签结束
39             Continue;
40           end;
41 
42           // 其他标签处理
43           Continue;
44         end;
45 
46       '&':   {-转义字符处理-}
47         begin
48           tmpSub := 取转义字符内容;
49           // &nbsp; - 空格
50           if (tmpSub = '&nbsp;') then
51           begin
52             Result := Result + ' ';
53             Continue;
54           end;
55 
56           // 在这里处理其他标记，否则直接贴上转义字符
57           Result := Result + tmpSub;
58         end;
59 
60       else
61         begin
62           // 其他字符不处理
63           Result := Result + tmpStr[iCharPos];
64         end;
65     end;
66     Inc(iCharPos);
67   end;
68 end;

实际上就是自己处理HTML标签，遇到 DISPLAY: none 和 font-size: 0px 的字符就给跳过。这样一来，剩下的就是真实可见部分了。另外要注意的是，HTML中有可能存在转义字符（最常见的是&nbsp;），处理方法见代码46行。

另外，还可以用IHTMLDocument3接口去处理HTML标记并获取内容，只不过那个方法处理起来比这个循环还麻烦，以后有机会再演示一下。

代码中只处理了 SPAN标签DISPLAY: none 和 FONT标签font-size: 0px 两种情况，如果要想程序通用，还需在代码中加入更多对不可见字符的识别。