有没有办法在 C# 中使用 Windows 窗体应用程序获取突出显示文本的 Xpath 位置？答案

【问题标题】：Is there a way of obtaining the Xpath position of highlighted text using Windows Form Application in C#?有没有办法在 C# 中使用 Windows 窗体应用程序获取突出显示文本的 Xpath 位置？
【发布时间】：2016-01-18 16:33:46
【问题描述】：

我正在尝试使用 Windows 窗体应用程序创建一个网络爬虫工具。是否有 API 或方法来显示所选文本的确切 xpath 位置？到目前为止，我编写的代码允许我在 webbrowser 控件中突出显示导航网站上的文本，并使用 ContextMenuStrip 将此突出显示的文本输出到富文本框中。

下面我写的代码是：

 private void getSelectedTextToolStripMenuItem_Click(object sender, EventArgs e)
    {

        IHTMLDocument2 htmlDocument = webBrowser1.Document.DomDocument as IHTMLDocument2;
        IHTMLSelectionObject currentSelection = htmlDocument.selection;
        if (currentSelection != null)
        {
            IHTMLTxtRange range = currentSelection.createRange() as IHTMLTxtRange;
            if (range != null)
            {
                richTextBox1.Text = range.htmlText;
            }

按钮导航到下面的网站：

private void button1_Click(object sender, EventArgs e)
    {
        this.webBrowser1.Navigate("https://uk.finance.yahoo.com/q?s=%5EFTSE");
        webBrowser1.DocumentCompleted +=
        webBrowser1_DocumentCompleted;          
    }

到目前为止，它完全符合我的要求。但是，我现在希望获得突出显示的任何内容的 xpath 位置，而不是仅输出文本内容。这个想法是，如果我想提取实时数据（即雅虎财经网页上的市场数据），网站上的数据会不断变化，所以我有兴趣获得 html 页面结构中的位置.关于这是否可行以及我应该遵循哪些步骤的任何想法？

【问题讨论】：

标签： c# visual-studio xpath web-scraping webbrowser-control

【解决方案1】：

这是可能的，但是您必须自己构建 XPath，方法是从所选元素的层次结构中向上，执行以下操作：

private void getSelectedXPathToolStripMenuItem_Click(object sender, EventArgs e)
{
    var doc = (IHTMLDocument2)webBrowser1.Document.DomDocument;
    IHTMLElement selectedElement = null;
    var sel = doc.selection;
    if (sel.type == "Text")
        selectedElement = ((IHTMLTxtRange)sel.createRange()).parentElement();
    else if (sel.type == "Control")
        selectedElement = ((IHTMLControlRange)sel.createRange()).commonParentElement();

    var node = (IHTMLDOMNode)selectedElement;
    MessageBox.Show(GetXPath(node, true));
}

string GetXPath(IHTMLDOMNode node, bool stopAtId)
{
    var path = new Stack<string>();
    while (node != null && node as IHTMLDocument2 == null)
    {
        var index = 0;
        // find previous siblings with the same tag name
        var prev = node.previousSibling;
        while (prev != null)
        {
            if (prev.nodeType == 1 && prev.nodeName == node.nodeName)
                index++;
            prev = prev.previousSibling;
        }
        var showIndex = index > 0;
        // if there were none, find if there are any next siblings with the same tag name
        var next = node.nextSibling;
        while (next != null)
        {
            if (next.nodeType == 1 && next.nodeName == node.nodeName)
            {
                showIndex = true;
                break;
            }
            next = next.nextSibling;
        }
        var id = ((IHTMLDOMAttribute2)((IHTMLAttributeCollection2)node.attributes).getNamedItem("id")).value;
        if (id != string.Empty)
        {
            showIndex = false;
        }
        var part = node.nodeName + (showIndex ? string.Format("[{0}]", index + 1) : string.Empty) + (id != string.Empty ? string.Format("[@id = '{0}']", id) : string.Empty);
        if (id != string.Empty && stopAtId)
            part = "/" + part;
        path.Push(part);
        if (id != string.Empty && stopAtId)
            break;
        node = node.parentNode;
    }

    return "/" + string.Join("/", path);
}

在此示例中，我创建了一个名为 getSelectedXPathToolStripMenuItem_Click 的新方法，它对应于上下文菜单上的一个新菜单项，用于在消息框中显示所选内容处的 XPath。显然，您可以根据需要更改此设置以将其放入您的 RTB。

主要工作在GetXPath 方法中完成，该方法进行DOM 遍历。它检查前面的兄弟节点，以确定节点的索引，如果它是具有该名称的第一个兄弟节点，它也会检查下一个兄弟节点，以确定是否应包含索引 (1)。

它还接受一个名为stopAtId 的布尔参数，顾名思义，当节点设置了id 属性时，它将停止遍历DOM。这可能很有用，因为您总是可以通过它的 id 轻松找到一个元素，而无需了解它的祖先等任何信息。

【讨论】：