C#网络刮板复制文本

我有一个用C#编写的web scraper，用于提取数据。我想从web浏览器控件复制文本，并以编程方式将其粘贴到Word文件中。当我尝试使用其ID和InnerText提取富文本框内容时，文本包含编码字符，如%2c

我需要得到所有格式的文本，但我找不到任何方法。我尝试了

编码

，

HTTPUtility.UrlDecode

，

SendKeys

和

elem.InvokeMember（）

，但没有成功

如何以编程方式从保留格式的web浏览器控件复制和粘贴文本

以下是要提取的示例数据：

说明

Advanced Concepts工程团队设计和开发新车辆，以满足未来监管要求和客户竞争要求。合格的候选人将负责车辆的整体包装。学员将在车辆走向生产时确定并解决改装和包装问题。他们将领导跨职能团队会议，与系统和部件、先进制造、服务等合作，以确保解决方案针对车辆寿命的所有阶段进行优化

HtmlElement elem = wb.Document.GetElementById("ctl00_contplhDynamic_txtDescrContentHiddenTextarea");
                if (elem == null) return;
                elem.InvokeMember("Click");
                //elem.InvokeMember("Select All");
                //elem.InvokeMember("Copy");
                SendKeys.SendWait("^a");
                SendKeys.SendWait("^c");

                Clipboard.Clear();
                elem.Focus();
                elem.InvokeMember("Right Click");
                elem.InvokeMember("Select All");
                elem.InvokeMember("Copy");

                Clipboard.SetText(elem.InnerText);
                string clipbrdText = Clipboard.GetText();

                string data = elem.InnerText;

                richTextBox1.Text = data;
                string temp = System.Web.HttpUtility.UrlDecode(data);

                Encoding iso = Encoding.GetEncoding("windows-1252");
                Encoding utf8 = Encoding.UTF8;
                byte[] utfBytes = utf8.GetBytes(data);
                byte[] isoBytes = Encoding.Convert(utf8, iso, utfBytes);
                string msg = iso.GetString(isoBytes);

带有“%2c”等的文本已编码。如果您正在获取网页的内容，那么您正在解码HTML，而不是URL。您可以使用

HttpUtility.HtmlDecode

，或者如果您使用的是.NET 4.0或更高版本，您也可以使用WebUtility.HtmlDecode-这在

System.NET

命名空间中提供

您应该注意，Word不使用HTML进行格式化，因此您将无法粘贴HTML标记并期望它能够识别它们。i、 e.

说明

如果在Word中键入，则不会生成粗体文本

编辑：

看起来您混合了两种不同的方法来复制粘贴代码中的文本-都是

SendKeys.SendWait（“^c”）和
元素调用成员（“副本”）。我想这两种方法都有效吧

我认为你的问题在于你获取文本的方式。我看到您正在使用剪贴板.GetText（）
获取文本。尝试使用
Clipboard.GetText（TextDataFormat.Rtf）
或
Clipboard.GetText（TextDataFormat.Html）
指定其格式为文本。希望这会复制保留格式的字符串。
感谢Ivan的回复。我搜索了格式问题。因此，我试图复制和粘贴文本。当我从我的网络浏览器（如chrome）复制和粘贴，甚至从网络浏览器控件复制和粘贴到word时，格式保持不变。因此，我试图找到一种以编程方式复制和粘贴文本的方法。有关该功能的任何帮助也会非常有用。如果我理解正确，您的程序会将HTML插入Windows剪贴板（编程副本），然后您按Ctrl-V并将文本粘贴到文档中，但它没有格式，而是带有HTML标记？否。我使用了SendKeys（“^C”）类似于元素上的代码，但它不复制任何内容。我无法复制文本然后粘贴它。目前我只使用element.innertext，还尝试了HTTPUtility.HtmlDecode，但没有用。请编辑您的问题并发布代码？这会让你更容易看到发生了什么。你解决了你的问题吗？不，伊万，我不能。我希望复制文本并将其粘贴到任何word文档或任何地方以保存它。但是我不能抄课文。我可以手动复制，但没有用。你有办法吗？