.net下使用GeckoWebBrowser步骤

今天分享一个c#下使用GeckoWebBrowser的小程序。
写了个小程序用来采集房产网的数据。以前也写过类似的程序，用的.net自带的webbrowser，这家伙好用倒是还可以

就是占用内存啊，由于是使用的ie内核，清理内存和缓存都没有什么直接办法，而占用内存是这个家伙的硬伤，即使你调用GC几次都不管用的。

这个就不是系统给清理了，应该是IE占用这无法清理。

步骤如下：

项目开源地址：http://code.google.com/p/geckofx/

flash插件下载地址： http://get.adobe.com/flashplayer/otherversions/

XULrunner下载地址：  ftp://ftp.mozilla.org/pub/xulrunner/releases/1.9.0.0/runtimes/xulrunner-1.9.en-US.win32.zip
使用方法：
1.下载XULrunner:

你能够在MDC上的 XULRunner主页中找到下载连接.

支持Windows版本的XULRunner是一个zip文件, 并不是一个真正的安装程序. 作为一个开发人员, 我喜欢XULRunner的这个方式, 只需要解压缩到我的机器中.

为了方便部署，可以解压到开发项目的目录下面。

2.下载C# Skybound.Gecko源代码：

编译时如果报错，需要选择bug版本到1.90的。这个地方尤为重要。如果还是报错，那就把你的项目改成x86的。

3.新建项目：

引用 Skybound.Gecko。编译通过

4.初始化浏览器的参数：

  xulrunner路径一定要配对，不会报错，叫你去下载：

       static private string xulrunnerPath = Application .StartupPath + "\\xulrunner" ;

   

static   private  string  xulrunnerPath =  Application  .StartupPath +  "\\xulrunner"  ;

        public  CatchData()

       {

   

           InitializeComponent();

           InitAllCityData();

       }

        private   void  InitAllCityData()

       {

           Skybound.Gecko.  Xpcom  .Initialize(xulrunnerPath);

           Browser.DocumentCompleted +=  new   EventHandler  (Browser_DocumentCompleted_Init);

            GeckoPreferences  .User[ "gfx.font_rendering.graphite.enabled"  ] =  true ;

       }

5.几个事件和Html控件：

 监控页面是否加载完成：         Browser.DocumentCompleted +=  new   EventHandler (Browser_DocumentCompleted_Init);

加载完成后，可以读取页面的源代码数据：

   void  Browser_DocumentCompleted_Init(  object  sender,  EventArgs  e)

       {

            GeckoWebBrowser  br = sender  as  GeckoWebBrowser ;

            if  (br.Url.ToString() ==  "about:blank"  ) {  return ; }

           ShowClickMsg(  "开始加载全国的城市数据"  + br.Url.ToString());

            Log  .logger( "开始加载全国的城市数据"  + br.Url.ToString());

            foreach  (Skybound.Gecko. GeckoElement  a  in  br.Document.Links)

           {

                if  (a.Parent !=  null  &&

                   a.Parent.Parent !=  null  &&

                   a.Parent.Parent.ClassName !=  null  &&

                   a.Parent.Parent.ClassName ==  "cBox"  &&

                   a.Parent.Parent.ClassName !=  null  &&

                   a.Parent.Parent.Parent.ClassName !=  null  &&

                   a.Parent.Parent.Parent.ClassName ==  "s_Box_1 hidden"

              )

               {

           

                    if  (!ListCItyUrl.ContainsKey(a.TextContent.Trim()))

                   {

                       ShowClickMsg(a.TextContent.Trim() + a.GetAttribute(  "href"  ));

                       ListCItyUrl.Add(a.TextContent.Trim(), a.GetAttribute(  "href"  ));

                   }

               }

           }

            //绑定到下拉框中啊

         

       }

我发现 GeckoWebBrowser  的html元素比较简单，没有webbrowser的那么多分类。

我想找超级链接的类没有找的，老版本的还有，最新的好像去掉了。

控件类有： GeckoElement 、 GeckoNode。

GeckoWebBrowser  对源代码的解析比webbrowser多很多的\t\n\r之类的。这些垃圾数据需要踢出掉。

6.内存情况

在处理相同数据的页面请求的情况下， GeckoWebBrowser几乎不会出现内存的大浮动变动。采集4000个页面数据，内存一般在1G的浮动范围内。当然也有内存丢失。关闭程序才能解决。

如何分析得到html，下篇我将讲讲怎么使用

HTML解析利器HtmlAgilityPack

转自: http://suchso.com/opencode/netGeckoWebBrowserusestep.html