c# - 如何获取 Frames/IFrames 中的 HtmlElement 值？

Question

我正在使用 Winforms WebBrowser控制从下面链接的站点收集视频剪辑的链接。

LINK

但是，当我逐个元素滚动时，我找不到 <video>标签。

void webBrowser_DocumentCompleted_2(object sender, WebBrowserDocumentCompletedEventArgs e)
{
    try
    {
        HtmlElementCollection pTags = browser.Document.GetElementsByTagName("video");
        int i = 1;
        foreach (HtmlElement link in links)
        {

            if (link.Children[0].GetAttribute("className") == "vjs-poster")
            {
                try
                {

                    i++;
                }
                catch (Exception ex)
                {
                    MessageBox.Show(ex.Message);
                }
            }
        }
    }   // Added by edit
}

使用后不久

HtmlElementCollection pTags = browser.Document.GetElementsByTagName("video");

我已经返回0

我需要调用任何 ajax 吗？

Answer 1

您链接的网页包含 IFrames .
IFrame 包含自己的 HtmlDocument .到目前为止，您只解析主文档容器。
因此，您需要解析其他一些 Frame 的 HtmlElements 标签。
网页框架列表由 WebBrowser.Document.Window.Frames 引用属性，返回 HtmlWindowCollection .
每个HtmlWindow在集合中包含它自己的 HtmlDocument 对象。

大多数时候，我们需要解析每个 HtmlWindow.Document，而不是解析 WebBrowser 返回的 Document 对象属性在 Frames 集合中；当然，除非我们已经知道所需的元素是主文档或另一个已知的 Frame 的一部分。

一个例子(与当前任务相关):

• 订阅DocumentCompleted WebBrowser 控件/类的事件。
• 检查 WebBrowser.ReadyState属性来验证文档是否已完全加载。

注意:
请记住，网页可能由框架/IFrames 中包含的多个文档组成，如果使用 ReadyState = WebBrowserReadyState.Complete 多次引发该事件，我们不会感到惊讶。
当 WebBrowser 完成加载时，每个框架的 Document 将引发事件。

• 使用 Frame.Document.Body.GetElementsByTagName() 解析 Document.Window.Frames 集合中每个 Frame 的 HtmlDocument方法。
• 使用 HtmlElement.GetAttribute 提取 HtmlElements Attibute方法。

注意:
由于 DocumentCompleted 事件被多次引发，我们需要验证 HtmlElement 属性值也没有被多次存储。
在这里，我使用了一个支持自定义类，它包含所有收集的值以及每个引用链接的 HashCode(此处依赖于 GetHasCode() 的默认实现)。
每次解析一个 Document 时，我们检查一个值是否已经存储，比较它的 Hash。

• 当我们确认已找到重复哈希时停止解析:框架文档元素已被提取。

注意:
在解析 HtmlWindowCollection 时，不可避免地会引发一些特定的异常:

1. UnauthorizedAccessException : 无法访问某些框架。
2. InvalidOperationException : 一些元素/后代无法访问。

我们无法避免这种情况:元素不是 null，当我们尝试访问它们的任何 属性时，它们只会抛出这些异常。
在这里，我只是捕获并忽略这些特定的异常:我们知道我们最终会得到它们，我们无法避免，继续。

public class MovieLink
{
    public MovieLink() { }
    public int Hash { get; set; }
    public string VideoLink { get; set; }
    public string ImageLink { get; set; }
}

List<MovieLink> moviesLinks = new List<MovieLink>();

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();

            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
    }
}