使用mshtml编写.net文档

Question

我正在使用 mshtml 进行 html 解析。 （版本 7.0.3300.0，C:\Program Files\Microsoft.NET\Primary Interop Assemblies\Microsoft.mshtml.dll）。

HTMLDocumentClass 有一个 write 方法，所以我使用了它，但它引发了 ComException 错误代码：-2147352571 和消息：类型不匹配。其原因何在？如果 HTMLDocumentClass 的 write 方法不会被使用，为什么要定义它们？

    HTMLDocumentClass getHTMLDocument(string html)
    {
        HTMLDocumentClass doc = new HTMLDocumentClass();

        doc.write(new object[] { html }); // raises exception
        doc.close();

        return doc;
    }

    HTMLDocumentClass getHTMLDocument2(string html)
    {
        HTMLDocumentClass doc = new HTMLDocumentClass();
        IHTMLDocument2 doc2 = (IHTMLDocument2)doc;
        doc2.write(new object[] { html });
        doc2.close();

        return doc;
    }

Answer 1

好吧，我找到了。这是一种有趣的故障模式。我在计算机上安装的所有 Microsoft.mshtml PIA 都已过时。其中不少于 4 个，版本均为 7.0.3300.0，运行时目标为 1.0.3705（相当旧）。

原因是由类型库导入程序生成的 fooClass 互操作类。它是一个合成类，它的存在是为了使事件更容易处理，它们在 COM 中的处理方式非常不同。该类是所有接口的所有组合方法的扁平化版本。 HTMLDocument coclass 的当前 SDK 版本声明如下（来自 mshmtl.idl）：

[
    uuid(25336920-03F9-11cf-8FD0-00AA00686F13)
]
coclass HTMLDocument
{
    [default]           dispinterface DispHTMLDocument;
    [source, default]   dispinterface HTMLDocumentEvents;
    [source]            dispinterface HTMLDocumentEvents2;
    [source]            dispinterface HTMLDocumentEvents3;
                        interface IHTMLDocument2;
                        interface IHTMLDocument3;
                        interface IHTMLDocument4;
                        interface IHTMLDocument5;
                        interface IHTMLDocument6;
                        interface IHTMLDOMNode;
                        interface IHTMLDOMNode2;
                        interface IDocumentSelector;
                        interface IHTMLDOMConstructor;
};

如果您在互操作库上使用对象浏览器，您将看到 HTMLDocumentClass缺少 IHTMLDocument6 的接口方法， IDocumentSelector 和 IHTMLDOMConstructor。您使用的 write() 方法超出了这些接口。

这意味着如果您使用 HTMLDocumentClass.write()，您将调用错误的方法。引发异常是因为无论调用什么方法都对该参数不满意。当然不是。

这当然是一种令人讨厌的失败模式。这是因为 Microsoft 违反了一项非常严格的 COM 要求，更改 COM 接口或组件类需要不同 guid。上述声明中的 [uuid] 属性。然而，这也使得新版本的 Internet Explorer 与使用它的旧代码完全不兼容。摇滚和艰难的地方，向后兼容性在微软是相当神圣的。在常规 COM 客户端中，组件类中接口实现的顺序通常不是问题。除了在 .NET 中之外，它会破坏 tlbimp 生成的合成 XxxClass 类型的布局。

我从未见过实际需要该合成类的情况，而且我自己也从未使用过它。您始终可以通过在 C# 中进行转换来获取正确的接口指针，调用 QueryInterface() 并始终返回正确的指针，无论版本如何。您的替代方案是正确的解决方法。