删除元生成器 MSHTML

Question

当我阅读使用 TWebBrowser（设计模式）生成的 HTML 页面的内容时，例如使用以下代码：

function GetHTML(w: TWebBrowser): String;
Var
  e: IHTMLElement;
begin
  Result := '';
  if Assigned(w.Document) then
  begin
     e := (w.Document as IHTMLDocument2).body;

     while e.parentElement <> nil do
     begin
       e := e.parentElement;
     end;

     Result := e.outerHTML;
  end;
end;

它在 </HEAD> 之前添加 META 标记，例如：

<META content="MSHTML 6.00.2900.2180" name=GENERATOR>

或...

<META name=GENERATOR content="MSHTML 11.00.10570.1001">

有没有办法去掉阅读时的标签outerHTML？

或者首先阻止 MSHTML 生成它？

或者其他一些摆脱它的方法？

Answer 1

正如@Remy Lebeau 所指出的，您无法控制此行为 AFAIK。但是，如果您愿意，也很容易摆脱它。

就我个人而言，我会使用正则表达式 (System.RegularExpressionsCore)，它实现了 Perl 兼容正则表达式 (PCRE)，它肯定出现在最近几个版本中，但我不知道它是什么时候引入的。

您需要使用类似以下内容的 RegEx 设置：

  <META[^<]*GENERATOR\s*>

匹配以并以 GENERATOR(零个或多个空格)> 结尾您可以设置多行匹配和不区分大小写的选项。将 ReplaceString 设置为空字符串，然后您的代码（我使用 C++，因为您使用 C++ Builder 标记）将类似于：

TPerlRegEx     * pRegEx;

  pRegEx=new TPerlRegEx();
  pRegEx->Replacement=UnicodeString(L"");
  pRegEx->RegEx=UnicodeString(L"<META[^>]*GENERATOR\s*>");
  pRegEx->Options=TPerlRegExOptions() << preCaseLess << pre MultiLine;
  pRegEx->Subject=szOuterHTML;
  pRegEx->ReplaceAll();
  delete(pRegEx);

当然还有其他方法可以做到这一点，比如使用 XML 节点解析器并删除节点，但我认为 RegEx 干净简单。这是处理文本文件的好工具。

如果你 Google 正则表达式语法，你应该找到一些很好的资源，包括在线检查器来测试你的表达式是否符合你的预期。

删除元生成器 MSHTML

Removing meta generator MSHTML

delphi

mshtml

c++builder

webbrowser-control