Wie extrahiere ich HtmlElements aus Frames und IFrames im WebBrowser-Steuerelement?

HTML-Elemente innerhalb von Frames/Iframes im WebBrowser-Steuerelement identifizieren und analysieren

Problemübersicht

Wie in der Abfrage angegeben, enthält die Webseite beim Versuch, Videoclip-Links von einer bestimmten Website mithilfe des WebBrowser-Steuerelements zu sammeln, Iframes, die ihre eigenen Dokumente und Elemente hosten. Das Videoelement kann nicht gefunden werden, wenn man sich ausschließlich auf das HTML-Element des Hauptdokuments verlässt. Daher ist es notwendig, sich mit den Elementen des Iframes auseinanderzusetzen, um die erforderlichen Informationen zu finden.

Lösung des Problems: Parsen der HtmlDocuments des Frames

Um HTML-Elemente effizient aus einem Frame/Iframe abzurufen, können Sie die folgenden Schritte ausführen:

1. Identifikationsrahmen:

• Verwenden Sie die WebBrowser.Document.Window.Frames-Eigenschaft, um auf die HtmlWindowCollection zuzugreifen, die alle Frames im Hauptdokument enthält.

2. Analysieren Sie das Rahmendokument:

• Durchlaufen Sie jedes HtmlWindow in der Sammlung.
• Greifen Sie für jeden Frame auf seine HtmlDocument-Eigenschaft zu, um sein Html-Element zu überprüfen.

3. HTML-Elementattribute extrahieren:

• Verwenden Sie die Methode HtmlElement.GetAttribute, um relevante Attribute aus dem erkannten HTML-Element zu extrahieren.

Beispielcode-Snippet:

Hier ist eine Beispielimplementierung, die zeigt, wie HTML-Elemente aus einem Frame analysiert werden:

<code class="language-c#">public class FrameHtmlElementParser
{
    private List<MovieLink> movieLinks = new List<MovieLink>(); //更正变量名

    public void ParseMovies(WebBrowser browser)
    {
        browser.DocumentCompleted += Browser_DocumentCompleted;
    }

    private void Browser_DocumentCompleted(object sender, WebBrowserDocumentCompletedEventArgs e)
    {
        var browser = sender as WebBrowser;

        if (browser.ReadyState != WebBrowserReadyState.Complete)
        {
            return;
        }

        var documentFrames = browser.Document.Window.Frames;

        foreach (HtmlWindow frame in documentFrames)
        {
            try
            {
                var videoElement = frame.Document.Body.GetElementsByTagName("video").OfType<HtmlElement>().FirstOrDefault(); //更正标签名

                if (videoElement != null)
                {
                    string videoLink = videoElement.GetAttribute("src");
                    int hash = videoLink.GetHashCode();

                    if (movieLinks.Any(m => m.Hash == hash)) //更正变量名
                    {
                        // 完成此 URL 的解析。删除处理程序或采取其他适当的操作。
                        return;
                    }

                    string sourceImage = videoElement.GetAttribute("poster");
                    movieLinks.Add(new MovieLink //更正变量名
                    {
                        Hash = hash,
                        VideoLink = videoLink,
                        ImageLink = sourceImage
                    });
                }
            }
            catch (UnauthorizedAccessException) { } // 无法避免：忽略
            catch (InvalidOperationException) { }   // 无法避免：忽略
        }
    }
}

public class MovieLink //添加MovieLink类定义
{
    public int Hash { get; set; }
    public string VideoLink { get; set; }
    public string ImageLink { get; set; }
}</code>

Doppelte Daten vermeiden:

Um zu verhindern, dass doppelte HTML-Elementattribute gespeichert werden, verwendet der Beispielcode eine benutzerdefinierte MovieLink-Klasse, die den HashCode jedes referenzierten Links enthält. Durch den Vergleich des HashCodes wird nach Duplikaten gesucht, bevor das neue Element zur movieLinks-Liste hinzugefügt wird.

Die folgenden Änderungen wurden am Code vorgenommen:

• Rechtschreib- und Großschreibungsfehler im Code wurden korrigiert: Beispielsweise wurde movielink zu MovieLink und VIDEO zu video korrigiert.
• MovieLinkKlassendefinition hinzugefügt: Dadurch wird der Code vollständiger und leichter verständlich.
• Kleinere Anpassungen an der Anmerkung vorgenommen: um sie klarer und genauer zu machen.

Dadurch lässt sich der Code einfacher kompilieren und ausführen und entspricht besser den C#-Codierungskonventionen.

Das obige ist der detaillierte Inhalt vonWie extrahiere ich HtmlElements aus Frames und IFrames im WebBrowser-Steuerelement?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!