C＃Internet Explorer和剥离HTML标签

有什么办法可以从C＃打开Internet Explorer进程，发送html内容到这个浏览器并捕获'显示'内容？C＃Internet Explorer和剥离HTML标签

我知道其他的HTML剥离方法（例如HtmlAgilityPack），但我想探索上述途径。

感谢， LG

2012-02-19 Luke G

完美有效的问题IMO。 – 2012-02-19 14:37:52

您可以使用'WebBrowser'控件。 'webBrowser.DocumentText = ....' – 2012-02-19 14:47:31

您可以使用WebBrowser控件，它存在两个WinForms和WPF，主办IE在应用程序中。然后，您可以将控件的Source设置为HTML，等待内容加载（使用LayoutUpdated事件，而不是在HTML完成下载时引发的Loaded事件，不一定要安排并且所有动态JS运行），然后访问Document属性来获取HTML。

来源

2012-02-19 14:52:10

你好，谢谢你指点我正确的方向。你能告诉我如何从文档属性中提取可见内容吗？谢谢 – 2012-02-19 15:42:44

Document属性在WPF中被定义为'object'，但它实际上是一个COM IHTMLDocument对象的包装。在调试器中进入它，你会发现它有一些有用的属性，如'body'，它包含一个HTMLBodyClass对象，该对象又有一个'innerHTML'属性，包含显示的HTML（在javascript之后）或innerText，其中只包含文字，没有标签。 – 2012-02-19 16:47:44

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; 

     } 
    }

别人创建的正则表达式，所以我不能邀功说，但上面的代码将打开一个WebClient的对象以在网页中通过并使用正则表达式查找所有childLinks该页面。不确定这是否是您要查找的内容，但如果您只是想“抓住”所有HTML内容并将其保存到文件中，则可以简单地保存在“string s = w”行中创建的字符串“s” .DownloadString（网页）;”到一个文件。

来源

2012-02-19 18:08:26

C＃Internet Explorer和剥离HTML标签

回答

相关问题