如何处理本地page.html时不触发网络连接完成DOM元素查找

不需要使用正则表达式解析HTML，有成熟的方案可以实现查找元素的同时不触发任何网络请求。

第一步：优化冗余逻辑减少重复请求 #

你当前的代码每次调用findElement()都会新建一个HTMLfile实例，是触发9次重复请求的直接原因，先复用同一个DOM实例，仅解析一次HTML：

HTML := FileRead("page.html") 
; 全局仅创建一次HTMLFile实例，避免重复解析
HTMLFile := ComObjCreate("HTMLfile")
HTMLFile.write(HTML)

findElement(HTMLFile, findStr) {
    return HTMLFile.getElementsByTagName(findStr)
}

findElement(HTMLFile, "div")
findElement(HTMLFile, "a")    
findElement(HTMLFile, "span")

这一步可以直接把请求次数从9次降到3次，再通过后续配置完全阻断网络请求。

第二步：完全阻断网络请求 #

两种稳妥方案按需选择：

方案1：预处理HTML内容（兼容性最高） #

在写入DOM之前，把所有会触发网络请求的属性、标签做无害化处理，不会影响DOM元素查找逻辑：

HTML := FileRead("page.html")
; 替换所有资源加载属性，阻断外部请求
HTML := StrReplace(HTML, "src=", "data-orig-src=")
HTML := StrReplace(HTML, "href='http", "data-orig-href='http")
HTML := StrReplace(HTML, "href=""http", "data-orig-href=""http")
; 可选：注释所有script标签，阻止JS执行
HTML := StrReplace(HTML, "<script", "<!-- <script")
HTML := StrReplace(HTML, "</script>", "</script> -->")

HTMLFile := ComObjCreate("HTMLfile")
HTMLFile.write(HTML)

该方案可以100%拦截所有隐藏的跟踪器、资源加载逻辑，不会有漏网之鱼。

方案2：设置COM对象离线属性（无需修改HTML内容） #

如果你不想修改原始HTML，可以通过COM接口设置文档为离线模式，禁止所有网络访问：

HTMLFile := ComObjCreate("HTMLfile")
; 开启离线模式，禁止所有网络请求
HTMLFile.parentWindow.navigator.offline := true
; 停止文档自动加载外部资源
HTMLFile.execCommand("Stop", false)
; 写入HTML内容
HTMLFile.write(HTML)

替代方案：不依赖IE组件的解析库 #

如果担心IE COM组件有其他隐藏的网络请求逻辑，可以使用纯脚本实现的HTML解析库，不需要依赖系统浏览器组件，自然不会触发任何网络请求，稳定性远高于正则解析。

不建议使用正则处理HTML #

HTML是嵌套结构化文档，正则无法完美匹配标签嵌套、属性换行、特殊字符转义等复杂场景，非常容易出现匹配错误、遗漏元素的问题，仅在极简单的单标签匹配场景下可以使用，复杂场景不推荐。

内容的提问来源于stack exchange，提问作者Roman Toasov