WebBrowser.DocumentText的设置问题

最新推荐文章于 2024-08-10 17:55:32 发布

z365days

最新推荐文章于 2024-08-10 17:55:32 发布

阅读量1.6w

点赞数 2

分类专栏： C#&amp;.net探寻文章标签： webbrowser html string 文档 object winform

本文链接：https://blog.csdn.net/z365days/article/details/4281684

版权

C#&.net探寻专栏收录该内容

16 篇文章 0 订阅

订阅专栏

1、最初的愿望
WebBrowser是一个操作Html的极为方便的类。笔者在试图获取一段HTML的标签时，毫不犹豫地瞄上了这个类。

HTML片断：
<HTML>
    <BODY>
        <DIV name="Span1">Simple HTML</DIV>
        <table>
     <tr>
  <td>Input content</td>
  </td>
    </tr>
</table>
    </BODY>
</HTML>

笔者打算，通过一个Winform程序，获得这段html里的<table><tr><td>等标签。

2、遭遇挫折

为了获取那些标签，笔者写了如下这段代码：

为便于阅读，先定义两个变量：
string htmlCode = ""; //用于存放HTML源码
string outputTags = ""; //用于存放获取的标签

htmlCode = @"<HTML>
    <BODY>
        <DIV name="Span1">Simple HTML</DIV>
        <table>
     <tr>
  <td>Input content</td>
    </tr>
</table>
    </BODY>
</HTML>"

WebBrowser wbrws = new WebBrowser();
wbrws.DocumentText = htmlCode;

StringBuilder st = new StringBuilder();//用于存储标签

//WebBrowser.Document.All属性表示HTML文档的所有标签
foreach (HtmlElement he in wbrws.Document.All)
{
   st.Append("<");
   st.Append(he.TagName);
   st.Append(">");
}

outputTags = st.ToString();

想象中，outputTags应该输出标签，但事与愿违，outputTags中什么也没有。通过调试，发现wbrws.Document.All.Count的值为0，换句话说，获得的标签数为0。

通过进一步观察，在调试过程中发现：无论HTML源码如何变，wbrws.DocumentText的值永远都是"<HTML></HTML>/0"，语句wbrws.DocumentText = htmlCode;将HTML源码赋与了wbrws的DocumentText属性啊，为什么没有了呢？

3、曙光出现
要解决这个问题，笔者试图在百度、Google上一翻折腾，希望碰到解决过这个问题的前辈（吸取前人经验，是提高效率的表现嘛，不算偷懒）。百度让我失望，Google也同礼相待。无奈，只得再返MSDN，细细阅读WebBrowser.DocumentText 属性的内容。

这段内容的相关事项解释集中在备注里：
[[
如果要使用字符串处理工具操作显示在 WebBrowser 控件中的 HTML 页的内容，则使用该属性。例如，可以使用该属性从数据库加载页，也可以使用正则表达式分析页。设置该属性时，WebBrowser 控件在加载指定文本之前，自动导航到about:blank URL。这意味着设置该属性时，发生 Navigating、Navigated 和 DocumentCompleted 事件，且 Url 属性的值不再有意义。

注意：
即使已请求了另一个文档，该属性也包含当前文档的文本。如果设置该属性的值，然后立即再次检索该值，那么在WebBrowser 控件尚未来得及加载新内容的情况下，检索到的值可能与设置的值不同。可以检索 DocumentCompleted 事件处理程序中的新值。

若要将网页的内容作为 Stream 访问，请使用 DocumentStream 属性。也可以通过 Document 属性，使用 HTML 文档对象模型 (DOM) 访问页内容。

]]

这一段文字表面看起来与我的问题没有关系，但细细一想，设置了DocumentText属性不就是让WebBrowser加载文本吗？那么它必然与会产生Navigating、Navigated、DocumentCompleted事件。换句话说，给DocumentText进行了赋值并不等于它的值

就立即变成了新值，而应该有一个加载的过程，直到加载完成之后其属性值才会是新值。这样的话，要查询DocumentText属

性，就应当在文档加载完成之后，也就是DocumentCompleted事件之后才能获得新值。

4、程序改进
为了要实现DocumentCompleted这个事件处理过程，原来的问题，变成了3个过程：

a,添加DocumentCompleted事件；
b,定义DocumentCompleted事件处理函数，使其能够查询DocumentText属性；
c,给DocumentText属性赋新值。

程序片段如下：

//定义变量
string htmlCode = ""; //用于存放HTML源码
string outputTags = ""; //用于存放获取的标签
htmlCode = @"<HTML>
<BODY>
        <DIV name="Span1">Simple HTML</DIV>
        <table>
     <tr>
  <td>Input content</td>
    </tr>
</table>
    </BODY>
</HTML>"
WebBrowser wbrws = null;

//在窗体加载时添加DocumentCompleted事件
private void Form1_Load(object sender, EventArgs e)
{
wbrws = new WebBrowser();
wbrws.DocumentCompleted += new WebBrowserDocumentCompletedEventHandler(getTag);
}

//定义DocumentCompleted事件处理函数
private void getTag(object sender, WebBrowserDocumentCompletedEventArgs e)
{
    StringBuilder st = new StringBuilder();
    foreach (HtmlElement he in wbrws.Document.All)
    {
        st.Append("<");
        st.Append(he.TagName);
        st.Append(">/n");
     }

outputTags = st.ToString(); //输出标签
}

//给DocumentText属性赋值的过程在一个按钮点击事件中进行
private void btnGetTags_Click(object sender, EventArgs e)
{
wbrws.DocumentText = htmlCode;
}

程序运行的结果，outputTags = "<HTML><HEAD><TITLE><BODY><DIV><TABLE><TBODY><TR><TD>"。
由此可见，程序获得了html标签，如果再进行遍历，就可以分别得到每个标签。

5、延伸的思考
a,为什么需要使用DocumentCompleted事件呢？
笔者认为，通常情况下，对于变量赋值可以收到立午见影的效果，但对于属性的赋值，会引起相关的一系列事件，从而对赋值之后的结果产生影响。在对DocumentText属性进行赋值时，HTML源码可能来自于网络，加载的时间可能会比较长，还没加载完成就查询属性值，必然不能得到正确的结果。引入ocumentCompleted事件，就能够保证对属性值的查询结果是正确的值。
b,如果HTML源码的标签不配对时，会得到什么样的结果？如果HTML源码并不完整，没有<html>、<body>等标签，结果又会怎样呢？这个问题，留给读者试验。