小编典典
您链接的网页包含IFrames。
一个IFrame包含它自己的HTMLDocument。到目前为止,您只解析主Document容器。
因此,您需要解析HtmlElements其他标签Frame。
Web页面框架列表由WebBrowser.Document.Window.Frames属性引用,该属性返回HtmlWindowCollection。集合中的
每个HtmlWindow都包含自己的HtmlDocument对象。
相反解析的Document被返回的对象属性WebBrowser,我们大部分的时间,需要分析每个HtmlWindow.Document中Frames收集;
除非,当然,除非我们已经知道所需的元素是主文档或其他已知文档的一部分Frame。
一个示例(与当前任务有关):
订阅WebBrowser控件/类的DocumentCompleted事件。
检查WebBrowser.ReadyState属性以验证是否完全加载了Document。
注意:
请记住,网页可能是由Frames / IFrames中包含的多个Document组成的,如果使用多次引发事件,我们不会感到惊讶ReadyState =
WebBrowserReadyState.Complete。加载完毕后,
每个Frame Document都会引发事件WebBrowser。
使用Frame.Document.Body.GetElementsByTagName()方法解析集合HtmlDocument中每个Frame的。Document.Window.Frames
HtmlElements Attibute使用HtmlElement.GetAttribute方法提取。
注意:
由于DocumentCompleted事件引发多次,因此我们需要验证HtmlElement属性值也没有存储多次。
在这里,我使用的是一个支持自定义类,该类包含所有收集的值以及每个引用Link的HashCode(此处依赖的默认实现GetHasCode())。
每次解析文档时,我们都会比较其哈希值,以检查是否已存储值。
当我们确认已找到重复的哈希时,停止分析:框架文档元素已被提取。
注意 :
在解析时HtmlWindowCollection,不可避免地会引发一些特定的异常:
1)UnauthorizedAccessException:某些框架无法访问。
2)InvalidOperationException:某些元素/后代无法访问。
我们没有什么可以避免的:元素不是null,当我们尝试访问它们的 任何 属性(基类的不良设计)时,它们只会抛出这些异常。
在这里,我只是捕捉并忽略了这些特定的例外:我们知道最终将获得它们,我们无法避免,继续前进。
public class MovieLink
{
public MovieLink() { }
public int Hash { get; set; }
public string VideoLink { get; set; }
public string ImageLink { get; set; }
}
List moviesLinks = new List();
private void webBrowser1_DocumentCompleted(object sender, WebBrowserDocumentCompletedEventArgs e)
{
if (webBrowser1.ReadyState != WebBrowserReadyState.Complete) return;
var documentFrames = webBrowser1.Document.Window.Frames;
foreach (HtmlWindow Frame in documentFrames)
{
try
{
var videoElement =
Frame.Document.Body
.GetElementsByTagName("VIDEO").OfType().FirstOrDefault();
if (videoElement != null)
{
string videoLink = videoElement.Children[0].GetAttribute("src");
int hash = videoLink.GetHashCode();
if (moviesLinks.Any(m => m.Hash == hash))
{
// Done parsing this URL: remove handler or whatever
// else is planned to move to the next site/page
return;
}
string sourceImage = videoElement.GetAttribute("poster");
moviesLinks.Add(new MovieLink() {
Hash = hash, VideoLink = videoLink, ImageLink = sourceImage
});
}
}
catch (UnauthorizedAccessException) { } // Cannot be avoided: ignore
catch (InvalidOperationException) { } // Cannot be avoided: ignore
}
}
2020-05-19