有没有办法从 C# 打开 Internet Explorer 进程,将 html 内容发送到这个浏览器并捕获“显示”的内容?
我知道其他 html 剥离方法(例如 HtmlAgilityPack),但我想探索上述途径。
谢谢, LG
有没有办法从 C# 打开 Internet Explorer 进程,将 html 内容发送到这个浏览器并捕获“显示”的内容?
我知道其他 html 剥离方法(例如 HtmlAgilityPack),但我想探索上述途径。
谢谢, LG
您可以使用 WinForms 和 WPF 都存在的 WebBrowser 控件在您的应用程序中托管 IE。然后您可以将控件的 Source 设置为您的 HTML,等待内容加载(使用 LayoutUpdated 事件,而不是在 HTML 下载完成时引发的 Loaded 事件,不一定安排好所有动态 JS 运行),然后访问Document 属性来获取 HTML。
public List<LinkItem> getListOfLinksFromPage(string webpage)
{
WebClient w = new WebClient();
List<LinkItem> list = new List<LinkItem>();
try
{
string s = w.DownloadString(webpage);
foreach (LinkItem i in LinkFinder.Find(s))
{
//Debug.WriteLine(i);
//richTextBox1.AppendText(i.ToString() + "\n");
list.Add(i);
}
listTest = list;
return list;
}
catch (Exception e)
{
return list;
}
}
public struct LinkItem
{
public string Href;
public string Text;
public override string ToString()
{
return Href;
}
}
static class LinkFinder
{
public static List<LinkItem> Find(string file)
{
List<LinkItem> list = new List<LinkItem>();
// 1.
// Find all matches in file.
MatchCollection m1 = Regex.Matches(file, @"(<a.*?>.*?</a>)", RegexOptions.Singleline);
// 2.
// Loop over each match.
foreach (Match m in m1)
{
string value = m.Groups[1].Value;
LinkItem i = new LinkItem();
// 3.
// Get href attribute.
Match m2 = Regex.Match(value, @"href=\""(.*?)\""",
RegexOptions.Singleline);
if (m2.Success)
{
i.Href = m2.Groups[1].Value;
}
// 4.
// Remove inner tags from text.
string t = Regex.Replace(value, @"\s*<.*?>\s*", "",
RegexOptions.Singleline);
i.Text = t;
list.Add(i);
}
return list;
}
}
其他人创建了正则表达式,所以我不能相信,但上面的代码将打开一个 webclient 对象到传入的网页,并使用正则表达式来查找该页面的所有 childLinks。不确定这是否是您要查找的内容,但如果您只是想“抓取”所有 HTML 内容并将其保存到文件中,您可以简单地保存在“string s = w”行中创建的字符串“s” .DownloadString(网页);" 到一个文件。