从 Aspx 页面捕获文本

Question

我正在尝试想出一个简洁的解决方案来在我的 aspx pages 上创建自动化的 json 架构标记。有问题的标记是 FAQPage，但这无关紧要。

我决定我需要抓取当前页面的内容以查找问题和答案。在一些错误的开始之后，我遇到了 HtmlAgilityPack 插件，它使我能够实现我想要的，但我遇到了一些问题。

可以通过多种方式启动 HtmlAgililtyPack 解析器，但唯一可以为我和我的场景（抓取当前页面）工作的方式是输入一个字符串。

首先，我创建了一个asp ID with a runat="server" 标签。

为了获取字符串，我使用了 HTMLTextWriter；这是代码：

    static string ConvertControlToString(Control ctl)
    {
        string s = null;

        var sw = new StringWriter();
        using (var w = new HtmlTextWriter(sw))
        {
            ctl.RenderControl(w);
            s = sw.ToString();
        }
        return s;
    }

现在，一切正常 - 在大多数情况下。

但是，我遇到了使用脚本管理器和更新面板的极端情况。我怀疑还会有更多。错误是：... must be inside a form control with a runat="server"。当然可以，但是rendercontrol没有意识到。

那么，两个问题：

1. 有没有办法以另一种方式提供 HtmlAgilityPack 解析器 需要一个字符串（并且不会循环）？
2. 除了 Control.RenderControl() 之外，还有其他不会导致错误的更好的方法来抓取文本吗？

顺便说一句，我找到了解决我遇到的问题的方法，但它涉及操纵每个受影响的页面，这不是很好。

所以，我想我会把它扔出去，看看是否有更好的解决方法或更好的解决方案。

Answer 1

您可以通过几种不同的方式加载 HTML，但最终 HTML 是一个字符串，因此解析器将对其进行操作。我不确定你所说的循环是什么意思。

与其将控件呈现为 HTML，然后对其进行解析，不如让整个页面加载并在呈现后对其进行解析，这可以让您的 javascript/updatepanels 在解析 HTML 之前完成页面转换。

LoadFromBrowser 方法（我相信）在无头浏览器中加载指定的 url，允许任何 javascript 运行，然后解析生成的 HTML：https://html-agility-pack.net/from-browser

如果您需要附加身份验证凭据，这里有一个问题：HtmlAgilityPack and Authentication

或者（保留现有代码）您可以尝试使用标签“form”实例化一个新的 HtmlControl，将传递给 ConvertControlToString 的控件添加到其中，然后解析可能避免错误的内容。您可能需要检查控件是否还没有表单标签，这种方法不能解决 javascript/更新面板，我不能 100% 确定它会起作用。

HtmlGenericControl form = new HtmlGenericControl("form");
Control ctl = new Control();
form.Controls.Add(ctl);
string s = string.Empty;
var sw = new System.IO.StringWriter();
using (var w = new HtmlTextWriter(sw))
{
    form.RenderControl(w);
    s = sw.ToString();
}