如何在不获取任何属性的情况下将任何文本放入 WebBrowser 文档？ VB.net

Question

如何在不获取 vb.net 中的任何属性的情况下将任何文本获取到 WebBrowser 文档中？！

例子1：

<h1>text here</h1>

例子2：

<h1 name="anything">text here</h1>

我怎样才能得到“这里的文字”？！

谢谢。 :)

Answer 1

您可以 1) 使用 WebBrowser 的内置方法遍历所有 <h1> 标记或获取第一个标记，或者 2) 使用正则表达式.

使用内置方法

虽然所有标签的迭代很简单，但您只需要使用HtmlDocument.GetElementsByTagName() 方法。

获取第一个找到的标签（按时间顺序）：

Dim h1Text As String = WebBrowser1.Document.GetElementsByTagName("h1")(0).InnerText

遍历所有标签：

Dim h1Strings As New List(Of String)

For Each h1Tag As HtmlElement In WebBrowser1.Document.GetElementsByTagName("h1")
    h1Strings.Add(h1Tag.InnerText)
Next

---

使用正则表达式

如果您知道自己在做什么，那么使用正则表达式并不难。首先将Imports 语句放在代码文件的最顶部：

Imports System.Text.RegularExpressions

现在您只需在 WebBrowser 的 DocumentText 中搜索 <h1> 标记。

Dim h1Text As String = Regex.Match(WebBrowser1.DocumentText, "(?<=<h1[^<>\/]*>)((?!<\/h1>).)*(?=<\/h1>)", RegexOptions.IgnoreCase).Value

正则表达式模式解释：

(?<=<h1[^<>\/]*>)((?!<\/h1>).)*(?=<\/h1>)

(?<= ...)：匹配的文本必须以... 开头。

<h1[^<>\/]*>：将<h1> 开始标记与任何属性匹配。

[^<>\/]*：匹配所有不是<、>或/的字符。

((?!<\/h1>).)*：匹配所有不是前面有</h1>标签的字符。

(?=<\/h1>): 匹配必须 后跟一个</h1> 标签。