Question

我能找到的唯一解决方案是：

            mshtml.HTMLDocument htmldocu = new mshtml.HTMLDocument();
            htmldocu .createDocumentFromUrl(url, "");

并且我不确定性能，它应该比在WebBrowser中加载html文件然后从那里获取HtmlDocument更好。无论如何，该代码在我的机器上不起作用。应用程序在尝试执行第二行时崩溃。

有没有人有办法有效地或以任何其他方式实现这一目标？

注意：请理解我需要HtmlDocument对象进行DOM处理。我不需要html字符串。

Answer 1

使用DownloadString对象的WebClient方法。 e.g。

WebClient client = new WebClient();
string reply = client.DownloadString("http://www.google.com");

在上面的示例中，执行后，reply将包含端点http://www.google.com的html标记。

WebClient.DownloadString MSDN

Answer 2

为了尝试回答四年前的实际问题（在我发布此答案时），我正在提供一个有效的解决方案。如果你找到另一种方法，我也不会感到惊讶，所以这主要是为了寻找类似解决方案的其他人。但请记住，这被认为是

有些过时（实际使用HtmlDocument）
不是处理HTML DOM解析的最佳方法（首选解决方案是使用HtmlAgilityPack或CsQuery或其他使用实际解析而非正则表达式的方法）
非常 hacky，因此不是最安全/最兼容的方式
你真的不应该做我要展示的事情

此外，请记住，HtmlDocument实际上只是mshtml.HTMLDocument2的包装器，因此技术上比直接使用COM包装器慢，但我完全理解用例只是为了便于编码。

如果您对以上所有内容感到满意，那么就是如何实现您想要的目标。

public class HtmlDocumentFactory
{
  private static Type htmlDocType = typeof(System.Windows.Forms.HtmlDocument);
  private static Type htmlShimManagerType = null;
  private static object htmlShimSingleton = null;
  private static ConstructorInfo docCtor = null;

  public static HtmlDocument Create()
  {
    if (htmlShimManagerType == null)
    {
      // get a type reference to HtmlShimManager
      htmlShimManagerType = htmlDocType.Assembly.GetType(
        "System.Windows.Forms.HtmlShimManager"
        );
      // locate the necessary private constructor for HtmlShimManager
      var shimCtor = htmlShimManagerType.GetConstructor(
        BindingFlags.NonPublic | BindingFlags.Instance, null, new Type[0], null
        );
      // create a new HtmlShimManager object and keep it for the rest of the
      // assembly instance
      htmlShimSingleton = shimCtor.Invoke(null);
    }

    if (docCtor == null)
    {
      // get the only constructor for HtmlDocument (which is marked as private)
      docCtor = htmlDocType.GetConstructors(
        BindingFlags.NonPublic | BindingFlags.Instance
        )[0];
    }

    // create an instance of mshtml.HTMLDocument2 (in the form of 
    // IHTMLDocument2 using HTMLDocument2's class ID)
    object htmlDoc2Inst = Activator.CreateInstance(Type.GetTypeFromCLSID(
      new Guid("25336920-03F9-11CF-8FD0-00AA00686F13")
      ));
    var argValues = new object[] { htmlShimSingleton, htmlDoc2Inst };
    // create a new HtmlDocument without involving WebBrowser
    return (HtmlDocument)docCtor.Invoke(argValues);
  }
}

使用它：

var htmlDoc = HtmlDocumentFactory.Create();
htmlDoc.Write("<html><body><div>Hello, world!</body></div></html>");
Console.WriteLine(htmlDoc.Body.InnerText);
// output:
// Hello, world!

我没有直接测试此代码 - 我已经从旧的Powershell脚本翻译了它，它需要您要求的相同功能。如果失败，请告诉我。功能就在那里，但代码可能需要非常小的调整才能正常工作。

不使用WebBrowser或HAP将字符串或html文件转换为C＃HtmlDocument

2 个答案: