c# 取出HTML源代码以及去掉HTML标记

最新推荐文章于 2021-07-05 00:16:30 发布

weixin_30700977

最新推荐文章于 2021-07-05 00:16:30 发布

阅读量144

点赞数

CC 4.0 BY-SA版权

文章标签： c#

原文链接：http://www.cnblogs.com/yuanjw/archive/2007/05/23/756717.html

本文介绍了如何利用axWebBrowser控件实现网页加载、获取HTML源代码及去除HTML标记的方法。通过具体代码示例展示了导航至指定URL、解析HTML内容等操作。

使用 axWebBrowser 控件
引用 mshtml
[1)去掉HTML标记及其标记中的属性
[2)axWebBrower　打开某个页面
[3)取出HTML源代码

1)去掉HTML标记及其标记中的属性
private string getOneValue(string TempStr)
  {
   if(TempStr.Length >0)
   {
    TempStr = regularExpressionsOfHTML(TempStr);
    TempStr = TempStr.Substring(0,TempStr.Length-1);
   }
   return TempStr;
  }
public static string regularExpressionsOfHTML(string TempContent)
  {
   //TempContent = System.Text.RegularExpressions.Regex.Replace(TempContent,"<[^>]+>",""); //任意多个
   TempContent = System.Text.RegularExpressions.Regex.Replace(TempContent,"<[^>]*>",""); //匹配一个
   return TempContent;
  }

2)axWebBrower　打开某个页面
   string Url = "**********";
   object Zero = 0;
   object EmptyString = "";

   axWebBrowser.Navigate(Url ,ref Zero, ref EmptyString, ref EmptyString, ref EmptyString);

3)取出HTML源代码
   在axWebBrower_DocumentComplete事件中比较好
   引用:using mshtml;

   IHTMLDocument2 HTMLDocument =(IHTMLDocument2) axWebBrowser1.Document;
    string strHtml = HTMLDocument.body.innerHTML.ToString(); //Get HTML
    string[] arHtml = strHtml.Split('\n');
   此时arHtml中保存了所有的HTML source．

转载于:https://www.cnblogs.com/yuanjw/archive/2007/05/23/756717.html