為了計算文本與標題相似度，需要用到標題文本。而爬數據的時候將文件名設置為url而沒有用網頁標題來存，所以需要解析網頁提取，工程在.net平臺下利用webbrowser實現的，用到了微軟的mshtml。

網站建設哪家好，找成都創新互聯公司！專注于網頁設計、網站建設、微信開發、微信小程序定制開發、集團企業網站建設等服務項目。為回饋新老客戶創新互聯還提供了宣城免費建站歡迎大家使用！

用IHTMLDocument2.title倒是可以獲得標題，但是它取得的標題有時會包含網站名如： Colorado shooting suspect sent to trial | World news | guardian.co.uk

為了計算準確，希望只有當前主題網頁中的標題就是只有Colorado shooting suspect sent to trial。觀察html發現一般主題網頁的meta信息中會有不包含網站名的title，在格式如下的一個標簽里。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結點中的html，并不包含meta信息。然后google查有什么方法獲得meta中的內容，發現一個解決方法http://forums.asp.net/p/1455331/3332061.aspx。關鍵代碼貼在這里：

 

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 +"
"); 
           } 

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

當前題目：mshtml獲取meta信息
網頁路徑：http://m.jcarcd.cn/article/pgohdp.html