我在抓取网页时遇到问题,因为 C# webClient 类和 webBrowser 类无法检索 Html 源中的所有子元素。
当我从 Chrome 甚至从 iExplorer 中搜索代码时,我可以展开所有 HtmlElement 节点,但如果我尝试从代码中展开所有这些元素,我将无法获得所有节点。
我正在使用这个例程来获取节点:
string page = ConfigurationManager.AppSettings["url"];
webBrowser1.Navigate(page);
string directory = Directory.GetCurrentDirectory();
StreamReader myReader = new StreamReader(webBrowser1.DocumentStream);
StreamWriter myWriter = new StreamWriter(directory + @"\pageSource.txt");
while (myReader.Peek() >= 0)
{
myWriter.WriteLine(myReader.ReadLine());
}
myWriter.Close();
myReader.Close();
文件 pageSource.txt 没有原始 html 源代码中的所有行。
例如,这是 pageSource.txt 内容:
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Frameset//EN">
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<noscript>
<meta HTTP-EQUIV="REFRESH" CONTENT="0;URL=index.jsp?noscript=1">
</noscript>
<title>Page</title>
</head>
<frameset id="indexFramst" onload="onloadHandler()" rows="135,24,*" frameborder="0" framespacing="0" border=0 spacing=0>
<frame name="Banner" title="Banner" src='banner.html' tabIndex="3" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" noresize=0>
<frame name="Search" title="Toolbar" src='archive=100' marginwidth="0" marginheight="0" scrolling="no" frameborder="0" noresize=0>
<frame name="Bingo" title="BINGO" src='bingo.Html' marginwidth="0" marginheight="0" scrolling="no" frameborder="0" >
</frameset>
</html>
每个<frame>
标签都必须有一个结束项和子项,但 webBrowser1 的文档不会检索此子项。
原始页面包含在每个框架<html>
标签中带有另一个嵌套的 html 文档的标签。
如果有人知道我为什么无法检索此节点,我将非常感谢您的提示。