WebBrowser 切断 DocumentText答案

【问题标题】：WebBrowser cuts off DocumentTextWebBrowser 切断 DocumentText
【发布时间】：2013-08-17 01:58:12
【问题描述】：

我有一个简单（而且很奇怪）的问题。当我手动将 WebBrowser.DocumentText 属性设置为某个 HTML 字符串时，它会在随机字符后将其切断。我使用的 HTML 是其他页面的纯 HTML，通过 HtmlAgilityPack 下载（在实际应用程序中，我对其进行了一些处理，但即使没有任何处理，也存在错误）。当我在 Internet Explorer 中加载同一页面时，整个页面都正确呈现。

这是一个最小的例子：

const string url = "http://www.zip-codes.com/county/IL-COOK.asp";
var doc = new HtmlWeb().Load(url);

HtmlNode basehref = new HtmlNode(HtmlNodeType.Element, doc, 0) { Name = "base" };
basehref.Attributes.Add("href", url.Substring(0, url.LastIndexOf("/") + 1));
doc.DocumentNode.SelectSingleNode("//head").ChildNodes.Insert(0, basehref);

string html;
using (var writer = new StringWriter()) {
    doc.Save(writer);
    html = writer.ToString();
}

var thread = new Thread(() => {
    var browser = new WebBrowser {
        Location = new Point(0, 0),
        Size = new Size(1920, 1080),
        ScriptErrorsSuppressed = true,
        AllowNavigation = true,
        DocumentText = html
    };
    browser.DocumentCompleted += (sender, e) => {
        Console.WriteLine(html.Length);
        Console.WriteLine(browser.DocumentText.Length);
        Application.ExitThread();
    };
    Application.Run();
});
thread.SetApartmentState(ApartmentState.STA);
thread.Start();
thread.Join();

它输出：

35259
20477

【问题讨论】：

使用 FireBug、IE 或 Chrome 的调试器 (F12) 分析网页的 DOM。也许 HtmlAgilityPack 不像“真正的”浏览器那样运行一些 JavaScript 或严格的内容，这是完全显示所必需的。您知道 HtmlAgilityPack 在后台使用什么 Web 客户端技术以及如何使用吗？
@CsabaToth HtmlAgilityPack 只发送一般的HttpWebRequest。无论如何，这不是问题的根源。请注意，(a) HtmlAgilityPack 的字符串比 WebBrowser 的字符串长，并且 (b) 字符串在文本中间被截断，在随机字符之后。它不是缺少标签的有效 HTML。它是原始字符串的前缀（IE 尝试尽可能多地修复它并以某种方式部分呈现）。

标签： c# browser html-agility-pack

【解决方案1】：

我在没有Application.ExitThread() 的情况下尝试了您的代码，结果DocumentCompleted 被触发了两次，第二次长度看起来是正确的。因此，您尝试加载的网站可能包含一些动态内容或正在刷新自身。我还没有深入研究它的作用，而是继续删除了所有脚本、样式和 iframe：

    const string url = "http://www.zip-codes.com/county/IL-COOK.asp";
    var doc = new HtmlWeb().Load(url);

    doc.DocumentNode.Descendants()
                    .Where(n => n.Name == "script" || n.Name == "style" || n.Name == "iframe")
                    .ToList()
                    .ForEach(n => n.Remove());

现在DocumentCompleted 被触发一次，文档长度保持一致。

【讨论】：

@user3061212，抱歉，我不确定我有没有收到您的问题
如果你使用 new HtmlWeb().Load(url);你有网页，但它不执行 javascript，而不是 WebBrowser
@user3061212，确实如此。 Html Agility Pack 不执行 JavaScript，但 here's how you can possibly do this.

【解决方案2】：

我是这样解决的：

const string url = "http://www.zip-codes.com/county/IL-COOK.asp";
var doc = new HtmlWeb().Load(url);

HtmlNode basehref = new HtmlNode(HtmlNodeType.Element, doc, 0) { Name = "base" };
basehref.Attributes.Add("href", url.Substring(0, url.LastIndexOf("/") + 1));
doc.DocumentNode.SelectSingleNode("//head").ChildNodes.Insert(0, basehref);

string html;
using (var writer = new StringWriter()) {
    doc.Save(writer);
    html = writer.ToString();
}

var thread = new Thread(() => {
    var browser = new WebBrowser {
        Location = new Point(0, 0),
        Size = new Size(1920, 1080),
        ScriptErrorsSuppressed = true,
        AllowNavigation = true,
        DocumentText = html
    };
    browser.DocumentCompleted += (sender, e) => {
        Console.WriteLine(html.Length);
        Console.WriteLine(browser.DocumentText.Length);
        //Application.ExitThread();

        if (browser.ReadyState == WebBrowserReadyState.Complete)
        {
                Application.ExitThread();   // Stops the thread
        }
    };
    Application.Run();
});
thread.SetApartmentState(ApartmentState.STA);
thread.Start();
thread.Join();

【讨论】：