1. 前言
相信很多人做开发时都有过这样的需求：从网页中准确提取所需的内容。思前想后，方法无非是以下几种：（本人经验尚浅，有更好的方法还请大家指点）
1. 使用正则表达式匹配所需元素。（缺点：同类型的元素如果有不同的属性，比如<div class=‘first‘>aaa</div><div class=‘last‘>bbb</div>, 如果想要匹配所有div元素时，将会相当麻烦，而且容易得到不想要的结果，漏掉需要的结果。）
2. 将网页转换成XML文档，使用Linq to XML。（缺点：需要一次转换过程，而且效率不高。）
3. 使用网站提供的WebServices或WebAPI等接口直接获取所需数据。（缺点：需要先获得接口文档，一般都不会匿名提供。）
最近几年前端的兴起，越来越多的人开始认识JQuery这个强大的工具并被其折服，其中很重要的一点就是JQuery 选择器，它的简洁，高效，易学使得前端工程师大大提高了工作效率。细想一下，提取网页内容就是和前端打交道，如果可以用JQuery选择器，那就完美了！！！
2. 理论准备
难道要在.NET下自己去做一个选择器？非也，这可不是我等小辈能做出来的。。。。既然已经有JQuery了，为什么不能直接就用它的选择器呢？
1. .NET获得网页内容
这里可以选择webbrowser控件，其实它就是一个微型IE，IE能做的它都能做。有些人会问为什么不用WebClient直接下载网页内容呢？请看第二点。
2. .NET与JS交互
使用webbrowser控件，不仅可以获得网页内容，更加重要的是它提供了与网页交互的功能。使用内置的Document属性，我们可以往网页中注入所需的JS代码并且执行它。
3. 提取并返回所需内容
在.NET中，我们可以用Docment的InvokeScript函数来执行相应的JS函数并获得返回结果。
既然理论都准备好了，接下来我们就实现它吧。
3. 功能实现
测试网页：http://www.mmeinv.com/ （福利网站哦，不过绝无邪恶内容，请编辑明鉴！）
功能需求：提取所有“福利”！！！！
先上图：
从图上可以看出，“福利”都准确地提取出来了。并且可以只获取所需的属性值。你要做的只是输入短短的15个字符。
下面再看看代码实现：
其中wb就是webbrowser控件，此段主要为了在一些不包括JQuery库的网页中注入JQuery库。
|
1
2
3
4
5
6
7
|
void InjectJQuery()
{ HtmlElement jquery = wb.Document.CreateElement("script");
wb.Document.Body.AppendChild(jquery);
JQueryInjected = true;
} |
这里是注入需要执行的JS函数，因为不同的需求有不同的代码，所以不能重复注入，需求改变时只需要更改已注入的函数即可以。
|
1
2
3
4
5
6
7
8
9
|
JQScript = wb.Document.GetElementById("JQScript");
if (JQScript == null)
{ JQScript = wb.Document.CreateElement("script");
JQScript.SetAttribute("id", "JQScript");
JQScript.SetAttribute("type", "text/javascript");
wb.Document.Body.AppendChild(JQScript);
} |
这里是关键代码， 根据是否要提取属性而生成不同的代码。注入的代码非常简单，相信懂一点点前端的朋友一看就明白了。而最后的一行代码就是执行注入的函数并获取返回值。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
if (txtAttribute.Text.Trim() == string.Empty)
JQScript.SetAttribute("text", "function GetJQValue() { if ($(‘"
+ txtSelector.Text + "‘).length == 1) {"
+
"return $(‘"
+ txtSelector.Text + "‘)[0].outerHTML; }"
+
" else if ($(‘"
+ txtSelector.Text + "‘).length > 1) {"
+
" var allhtml = ‘‘;"
+
" $(‘"
+ txtSelector.Text + "‘).each(function() {allhtml=allhtml+$(this)[0].outerHTML+‘\\r\\n‘;});"
+
" return allhtml;}"
+
" else return ‘no item found.‘;}");
else{ JQScript.SetAttribute("text", "function GetJQValue() { if ($(‘"
+ txtSelector.Text + "‘).length == 1) {"
+
"return $(‘"
+ txtSelector.Text + "‘).attr(‘"
+ txtAttribute.Text + "‘); }"
+
" else if ($(‘"
+ txtSelector.Text + "‘).length > 1) {"
+
" var allhtml = ‘‘;"
+
" $(‘"
+ txtSelector.Text + "‘).each(function() {allhtml=allhtml+$(this).attr(‘"
+ txtAttribute.Text + "‘)+‘\\r\\n‘;});"
+
" return allhtml;}"
+
" else return ‘no item found.‘;}");
}textBox2.Text = wb.Document.InvokeScript("GetJQValue").ToString();
|
相信到这里，大家都已经一目了然，短短10几行代码，就可以使用强大的JQuery选择器，效率比以前的旧方法高了不知多少倍，何乐而不为呢？
4. 知识延伸
1. 只要你前端知识够硬，就可以注入更复杂的函数，实现更复杂的内容提取。
2. 在Android和IOS里，理论上也是可以实现这样的功能。
3. 也许有一天，我们会有类似的选择器去代替SQL，实现数据库的高效查询？？？？？？？？？？
PS: 小弟文笔极差，知识面不广，如有纰漏，请大家斧正！
PPS：啰嗦也要说了，文章版权本人所有，转载请明确标示并保留原文链接，谢谢大家！