标签：函数 stream close adt timer nbsp 延迟 set html
最近有个小程序需要采集网页源代码，但有的网页中JS脚本又会生成额外的代码，比如http://www.cnblogs.com/lidabo/p/4169396.html
红框部分便是另外加载的代码。
此处可以看到web前端是有 "操作系统" 几个字的，但查看网页源代码之后却搜不到这几个字
C#有个webbrowser控件可以等网页加载完之后获取浏览器上所有的网页源代码（也包括额外被JS加载进来的代码）
【第一次】试验
WebBrowser webBrowser1 = new WebBrowser();
private void button1_Click(object sender, EventArgs e)
{
webBrowser1.Navigate("http://www.cnblogs.com/lidabo/p/4169396.html");
//加载完毕后触发事件webBrowser1_DocumentCompleted
webBrowser1.DocumentCompleted += new WebBrowserDocumentCompletedEventHandler(webBrowser1_DocumentCompleted);
}
private void webBrowser1_DocumentCompleted(object sender, EventArgs e)//这个就是当网页载入完毕后要进行的操作
{
//将webBrowser显示的代码传入richTextBox以便调试
richTextBox1.Text = webBrowser1.DocumentText;
}
结果：webbrowser加载完这个页面之后，richTextBox1.Text获取的代码里面找不到 "操作系统" 几个字 ， 获取的代码有1063行
网页在加载的过程中，webBrowser1_DocumentCompleted可能会触发一次以上，且相同网页可能触发次数不尽相同
有的网页会多次触发webBrowser1_DocumentCompleted，腾讯网http://www.qq.com触发了4次
【第二次】试验
public int i;//设置全局变量i
private void webBrowser1_DocumentCompleted(object sender, EventArgs e)
{
i++;//以便观察这个事件被触发了多少次
richTextBox1.Text = webBrowser1.DocumentText;
}
结果：最后 i 的值为 1，richTextBox1.Text获取的代码里面依然找不到 "操作系统" 几个字 ， 获取的代码有1063行
按理来说不应该只触发一次、
【第三次】试验
private void webBrowser1_DocumentCompleted(object sender, EventArgs e)
{
MessageBox.Show("111");//这个得迅速点掉确定才看到触发了多少次messagebox
richTextBox1.Text = webBrowser1.DocumentText;
}
结果：迅速点掉messagebox的“确定”后又出现了一次messagebox，即一共两次触发了webBrowser1_DocumentCompleted事件
实验触发二次webBrowser1_DocumentCompleted事件，里面可以找到"操作系统"几个字，代码共有2095行，这次应该全部获取完毕了
加入没有迅速点掉messagebox，可能这个等待过程中，网页可能被webbrowser真的完全加载完毕从而不再触发webBrowser1_DocumentCompleted事件
为什么
【第二次】实验只触发一次webBrowser1_DocumentCompleted事件，而且获取的代码还不完全
【第三次】实验加入了messagebox（然后迅速点掉）能触发一次以上的webBrowser1_DocumentCompleted事件，获取代码完全
【第三次】实验加入了messagebox（没有迅速点掉）只能触发一次webBrowser1_DocumentCompleted事件，获取代码完全
我没弄明白
***********************************************************************************************************
那么换个思路。在第一次进入webBrowser1_DocumentCompleted事件之时开启一个timer时钟，间隔5秒，5秒之后获取一次webbrowser的代码
只触发一次时钟时间，由于时钟是另外的线程，要调用webbrowser需要用到委托
//实例化timer
System.Timers.Timer t = new System.Timers.Timer();
//定义委托变量
public happy updateTxt_ok;
public delegate void happy();
public Form1()
{
InitializeComponent();
//设定timer
t.Interval = 5000; //定时，单位ms
t.Enabled = true; //回调函数允许执行
t.AutoReset = false; //回调函数循环执行
t.Elapsed += new System.Timers.ElapsedEventHandler(theout); //到达时间的时候执行事件；
t.Stop();
}
private void Form1_Load(object sender, EventArgs e)
{
updateTxt_ok = new happy(UpdateTxtMethod);
}
//委托执行函数
public void UpdateTxtMethod()
{
//此处不用DocumentText是因为它获取中文可能产生乱码
Encoding encoding = Encoding.GetEncoding(webBrowser1.Document.Encoding);
StreamReader stream = new StreamReader(webBrowser1.DocumentStream, encoding);
string aa = stream.ReadToEnd();
richTextBox1.Text = aa;
stream.Close();
}
//timer事件
public void theout(object source, System.Timers.ElapsedEventArgs e)
{
this.BeginInvoke(updateTxt_ok);//委托执行updateTxt_ok
}
//按下按钮
private void button1_Click(object sender, EventArgs e)
{
webBrowser1.Navigate(richTextBox1.Text);
webBrowser1.DocumentCompleted += new WebBrowserDocumentCompletedEventHandler(webBrowser1_DocumentCompleted);
}
private void webBrowser1_DocumentCompleted(object sender, EventArgs e)//这个就是当网页载入完毕后要进行的操作
{
t.start();//开启时钟
}
结果：获取完整源代码，共有2095行
但不能保证其他网页也是延迟5秒就能加载完，有的服务器很卡，需要调整时间
标签：函数 stream close adt timer nbsp 延迟 set html
原文地址：http://www.cnblogs.com/longzhankunlun/p/6237322.html
