如何从 WebBrowser 控件获取 XML (RAW/SOURCE)

Posted

技术标签:

【中文标题】如何从 WebBrowser 控件获取 XML (RAW/SOURCE)【英文标题】：How to get XML (RAW/SOURCE) from a WebBrowser Control 【发布时间】：2011-09-02 13:59:52 【问题描述】：

我在我的 Delphi 和 .Net C# 测试项目中使用 WebBrowser 控件导航到本地测试 XML 文件并尝试将内容保存回 .Net DocumentCompleted Event 和 Delphi @987654322 中的 XML 文件@事件。

问题是我总是得到 html，它会被浏览器转换以供查看（检查我的输出：我使用以下代码保存了它）

procedure TForm1.SaveHTMLSourceToFile(const FileName: string;
  WB: TWebBrowser);
var
  PersistStream: IPersistStreamInit;
  FileStream: TFileStream;
  Stream: IStream;
  SaveResult: HRESULT;
begin
  PersistStream := WB.Document as IPersistStreamInit;
  FileStream := TFileStream.Create(FileName, fmCreate);
  try
    Stream := TStreamAdapter.Create(FileStream, soReference) as IStream;
    SaveResult := PersistStream.Save(Stream, True);
    if FAILED(SaveResult) then
      MessageBox(Handle, 'Fail to save source', 'Error', 0);
  finally
    FileStream.Free;
  end;
end;

嗯，我几乎尝试了所有方法，到处搜索，但直到现在都找不到任何有用的东西。使用以下 Delphi 代码，我设法显示了有效的 SOURCE（这意味着源在某处）但我不能使用它，因为它会播下一个对话框并且不容易获取数据并关闭该对话框（在我的测试用例中我得到了带有我的 xml 内容的 notepad.exe）

  AWebBrowser.Document.QueryInterface(IOleCommandTarget, CmdTarget) ;
  if CmdTarget <> nil then
  try
    CmdTarget.Exec(PtrGUID, HTMLID_VIEWSOURCE, 0, vaIn, vaOut) ;
  finally
    CmdTarget._Release;
  end;

我还设法使用 xxx-HIDE-xxx 标志调用 SAVE AS 调用，但它会在 IE 5 上缝合，将显示另存为对话框（隐藏标志将被忽略）。

我还尝试从缓存（缓存 API）中获取 XML 数据，但在我的情况下，我什么也得不到，而且 2. 如果在客户机器上禁用缓存怎么办？ ;-)

InnerText 或 InnerHTML atc。不能使用，因为它们包含 - 和 + 字符并且不代表原始 RAW 数据（源）

仅供参考：我无法使用 WebClient 或 Indy 组件来访问 xml。我也不能充当代理，因为在客户机器上打开端口（比如说 8080）的问题对于特权用户访问来说很痛苦。

所以我在这里问你是否知道如何解决我的问题？

提前致谢， 干杯

输入：

<?xml version="1.0" encoding="UTF-8"?>
<test><data>xxxx</data></test>

输出：

<HTML><HEAD>
<STYLE>BODYfont:x-small 'Verdana';margin-right:1.5em
.ccursor:hand
.bcolor:red;font-family:'Courier New';font-weight:bold;text-decoration:none
.emargin-left:1em;text-indent:-1em;margin-right:1em
.kmargin-left:1em;text-indent:-1em;margin-right:1em
.tcolor:#990000
.xtcolor:#990099
.nscolor:red
.dtcolor:green
.mcolor:blue
.txfont-weight:bold
.dbtext-indent:0px;margin-left:1em;margin-top:0px;margin-bottom:0px;padding-left:.3em;border-left:1px solid #CCCCCC;font:small Courier
.difont:small Courier
.dcolor:blue
.picolor:blue
.cbtext-indent:0px;margin-left:1em;margin-top:0px;margin-bottom:0px;padding-left:.3em;font:small Courier;color:#888888
.cifont:small Courier;color:#888888
PREmargin:0px;display:inline</STYLE>
<SCRIPT><!--
function f(e)
if (e.className=="ci")if (e.children(0).innerText.indexOf("\n")>0) fix(e,"cb");
if (e.className=="di")if (e.children(0).innerText.indexOf("\n")>0) fix(e,"db");
e.id="";

function fix(e,cl)
e.className=cl;
e.style.display="block";
j=e.parentElement.children(0);
j.className="c";
k=j.children(0);
k.style.visibility="visible";
k.href="#";

function ch(e)
mark=e.children(0).children(0);
if (mark.innerText=="+")
mark.innerText="-";
for (var i=1;i<e.children.length;i++)
e.children(i).style.display="block";

else if (mark.innerText=="-")
mark.innerText="+";
for (var i=1;i<e.children.length;i++)
e.children(i).style.display="none";

function ch2(e)
mark=e.children(0).children(0);
contents=e.children(1);
if (mark.innerText=="+")
mark.innerText="-";
if (contents.className=="db"||contents.className=="cb")
contents.style.display="block";
else contents.style.display="inline";

else if (mark.innerText=="-")
mark.innerText="+";
contents.style.display="none";

function cl()
e=window.event.srcElement;
if (e.className!="c")e=e.parentElement;if (e.className!="c")return;
e=e.parentElement;
if (e.className=="e") ch(e);
if (e.className=="k") ch2(e);

function ex()
function h()window.status=" ";
document.onclick=cl;
--></SCRIPT>
</HEAD>
<BODY class="st"><DIV class="e">
<SPAN class="b">&nbsp;</SPAN>
<SPAN class="m">&lt;?</SPAN><SPAN class="pi">xml version="1.0" encoding="UTF-8" </SPAN><SPAN class="m">?&gt;</SPAN>
</DIV>
<DIV class="e">
<DIV class="c" STYLE="margin-left:1em;text-indent:-2em"><A href="#" onclick="return false" onfocus="h()" class="b">-</A>
<SPAN class="m">&lt;</SPAN><SPAN class="t">test</SPAN><SPAN class="m">&gt;</SPAN></DIV>
<DIV><DIV class="e"><DIV STYLE="margin-left:1em;text-indent:-2em">
<SPAN class="b">&nbsp;</SPAN>
<SPAN class="m">&lt;</SPAN><SPAN class="t">data</SPAN><SPAN class="m">&gt;</SPAN><SPAN class="tx">xxxx</SPAN><SPAN class="m">&lt;/</SPAN><SPAN class="t">data</SPAN><SPAN class="m">&gt;</SPAN>
</DIV></DIV>
<DIV><SPAN class="b">&nbsp;</SPAN>
<SPAN class="m">&lt;/</SPAN><SPAN class="t">test</SPAN><SPAN class="m">&gt;</SPAN></DIV>
</DIV></DIV>
</BODY>
</HTML>

【问题讨论】：

等等——为什么你不能直接用 WebClient 或 Indy 下载文件？看起来那些应该比涉及一个巨大的 UI 控件更简单。 嗯，这只是我在这里发布的一个示例。我编写了那个测试 xml/test 应用程序。真实场景非常复杂，需要用户在浏览器中进行交互，在用户完成所有操作后，浏览器和用户之间会发布一些帖子，直到最终结果是一个 XML 文件，您无法控制它的来源！这就是为什么！ 【参考方案1】：

我认为您以错误的方式处理此问题。 TWebBrowser 控件是用于查看的可视控件。您也许可以从中提取基础数据，但从根本上说，使用视觉控制来下载某些东西（非视觉动作）并不是一个好方法。相反，您应该使用专用 API 下载文件。

仅供参考：没有 我使用 WebClient 或 Indy 的方式 访问 xml 的组件。我也 不能作为代理玩，因为...

你没有那些组件吗？在这种情况下，我建议您使用以下任一方法：

    TDownloadURL 是一个内置类，用于简单的文件下载。一些使用它的例子：

    An HTML page scraper - 显然也适用于 XML How to show a progress indicator while downloading - 如果您的文件很小，可能没有用处

    InternetReadFile。这是我个人在自己的代码中使用的——我有一个小线程类来异步下载文件并在完成时通知主线程，使用这个函数实现。使用它：

    使用InternetOpen初始化互联网功能的使用；它返回一个句柄； 使用该句柄通过InternetOpenUrl 使用INTERNET_FLAG_HYPERLINK or INTERNET_FLAG_NO_UI 标志获取另一个句柄 然后在循环中使用该句柄和InternetReadFile 写入缓冲区，直到读取文件或终止您的线程。 别忘了使用InternetCloseHandle关闭句柄

    对不起，我不能发布源代码，但它们是简单的函数，你应该会发现它很容易编写。

这些方法将获取您的文件或缓冲区，每个都包含您的 XML 文件的原始内容。

编辑：我看到你解释了为什么你不能使用 Indy：

“真实的场景非常复杂， 需要在浏览器中进行用户交互 在用户做了所有事情之后 之间有一些帖子 浏览器和用户直到最终结果 是您没有的 XML 文件 控制来自哪里！”

我不确定这会阻止您使用 Indy：相反，您只需要获取此 XML 的位置。您无法控制它的位置这一事实并不重要，您只需要找出它的位置即可。如果你只有一个链接，要么抓取 HTML（你已经可以从浏览器获取 HTML - 事实上，这是你的问题！）或者查看TWebBrowser 文档所在的最终位置，然后下载它。换句话说，让用户做任何他们必须做的事情来导航到最终的 XML 文件，而不是试图从 Web 浏览器控件中提取它，而是自己下载它。

【讨论】：

感谢好友的评论并尝试指出另一种方法！我知道您在这里写下的每个调用和方法！我无法知道最终的 URL 是什么！来自服务器的结果（响应）基于用户的输入/操作，所有操作均由登录和身份验证处理，并为主要操作输入 PIN！这意味着用户在 web-From 中输入 PIN（发布到服务器），将根据 PIN 条目生成响应（从不完全相同且准确的响应）。 @Gohlool：你确定“没有办法......知道最终的 URL 是什么”？您无法使用其导航事件之一查看 Web 浏览器导航到的位置？【参考方案2】：

您可以在 TWebBrowser BeforeNavigate2 事件中对文件进行“影子”下载。 通过影子，我的意思是使用另一个库中的过程来下载文件，同时 TWebBrowser 正在下载它。这样，您可以在不被 TWebBrowser 修改的情况下获取文件。

我写了一个测试应用程序，我所要做的就是获取文件内容

procedure TForm1.WebBrowserBeforeNavigate2(Sender: TObject;
  const pDisp: IDispatch; var URL, Flags, TargetFrameName, PostData,
  Headers: OleVariant; var Cancel: WordBool);
begin
  HttpGetText(URL,Memo1.Lines);
end;

HttpGetText 是来自 Synapse 库 http://www.ararat.cz/synapse/doku.php/start 的阻塞函数

您也可以使用 ICS、Indy 或 TDownLoadURL。请注意，TDownLoadURL 没有阻塞，我永远无法让它的 AfterDownload 事件工作。

【讨论】：

谢谢！好主意！但是......很好，这适用于我上面的示例，但不适用于与服务器结合的真实应用程序！ ;-(但你得到了我的投票！;-) @Gohlool- 我的方法假设 TWebBrowser 显示的页面中有指向 XML 文件的链接，并且用户单击它。根据您的回复，我不得不假设这不是您的情况。所以我的问题是：你怎么知道 XML 文件已经准备好下载了，你又是怎么得到它的地址的？

以上是关于如何从 WebBrowser 控件获取 XML (RAW/SOURCE)的主要内容，如果未能解决你的问题，请参考以下文章

如何使用webbrowser控件获取网页源代码

webbrowser控件如何获取网页回传的数据

如何从托管 WebBrowser 控件的应用程序调用 WebBrowser 控件查看的页面中的 JavaScript 函数？

如何在 WebBrowser 控件中获取呈现的 html（由 Javascript 处理）？

WebBrowser 控件和 Wininet API

如何在 C# WebBrowser 控件中获取重定向的 url