如何通过 .NET WebBrowser 有效检索动态生成的 HTML？

如何使用 .NET WebBrowser 提取动态生成的 HTML

此讨论围绕动态检索 Web 呈现的 HTML 内容的挑战.NET 应用程序中的浏览器。

问题：

现有解决方案主要关注 System.Windows.Forms.WebBrowser 类或 mshtml.HTMLDocument 接口，但没有令人满意的结果。从 WebClient 或 mshtml.HTMLDocument 检索原始 HTML 不会提供浏览器渲染生成的动态内容。

研究方法：

• 使用 Web 浏览器访问文档类无法检索渲染的 HTML。
• 使用 mshtml.HTMLDocument 并解析下载的原始 HTML 也产生了不令人满意的结果。

优雅的解决方案：

虽然最终的解决方案可能会根据具体要求而有所不同，但技术组合可以提供强大的解决方案：

1. WebBrowser 控件： 嵌入 WebBrowser 控件以导航到所需的 URL .
2. 状态监控：监控DocumentCompleted事件并检查IsBusy属性，直到渲染完成。
3. 异步/等待：利用async/await来处理异步轮询并简化代码流程。
4. HTML5 渲染：使用浏览器功能控制启用 HTML5 渲染以确保最新的渲染行为。

代码示例：

以下代码示例结合了这些技术来提取动态 HTML 内容：

<code class="csharp">using System;
using System.Threading;
using System.Threading.Tasks;
using System.Windows.Forms;
using mshtml;

namespace HtmlExtractor
{
    public partial class MainForm : Form
    {
        public MainForm()
        {
            SetFeatureBrowserEmulation();
            InitializeComponent();
            this.Load += MainForm_Load;
        }

        async void MainForm_Load(object sender, EventArgs e)
        {
            try
            {
                var cts = new CancellationTokenSource(10000); // cancel in 10s
                var html = await LoadDynamicPage("https://www.google.com/#q=where+am+i", cts.Token);
                MessageBox.Show(html.Substring(0, 1024) + "..."); // it's too long!
            }
            catch (Exception ex)
            {
                MessageBox.Show(ex.Message);
            }
        }

        async Task<string> LoadDynamicPage(string url, CancellationToken token)
        {
            var tcs = new TaskCompletionSource<bool>();
            WebBrowserDocumentCompletedEventHandler handler = (s, arg) =>
                tcs.TrySetResult(true);

            using (token.Register(() => tcs.TrySetCanceled(), useSynchronizationContext: true))
            {
                this.webBrowser.DocumentCompleted += handler;
                try
                {
                    this.webBrowser.Navigate(url);
                    await tcs.Task; // wait for DocumentCompleted
                }
                finally
                {
                    this.webBrowser.DocumentCompleted -= handler;
                }
            }

            var documentElement = this.webBrowser.Document.GetElementsByTagName("html")[0];

            var html = documentElement.OuterHtml;
            while (true)
            {
                await Task.Delay(500, token);
                if (this.webBrowser.IsBusy)
                    continue;

                var htmlNow = documentElement.OuterHtml;
                if (html == htmlNow)
                    break;

                html = htmlNow;
            }

            token.ThrowIfCancellationRequested();
            return html;
        }

        static void SetFeatureBrowserEmulation()
        {
            if (LicenseManager.UsageMode != LicenseUsageMode.Runtime)
                return;
            var appName = System.IO.Path.GetFileName(System.Diagnostics.Process.GetCurrentProcess().MainModule.FileName);
            Registry.SetValue(@"HKEY_CURRENT_USER\Software\Microsoft\Internet Explorer\Main\FeatureControl\FEATURE_BROWSER_EMULATION",
                appName, 10000, RegistryValueKind.DWord);
        }
    }
}</code>

这种方法提供了一种更全面、更高效的方法来提取动态生成的内容.NET 应用程序中来自 Web 浏览器的 HTML 内容。

以上是如何通过 .NET WebBrowser 有效检索动态生成的 HTML？的详细内容。更多信息请关注PHP中文网其他相关文章！