Fatal编程技术网
  • csharp/
  • C# 解析剪贴板功能GetData（DataFormats.Html）输出的标准类

C# 解析剪贴板功能GetData（DataFormats.Html）输出的标准类

c#

C# 解析剪贴板功能GetData（DataFormats.Html）输出的标准类,c#,clipboard,C#,Clipboard,对不起，标题是 所以我想从剪贴板中提取文本。此文本是从网页（在浏览器中）复制的。在我的例子中，它是一个包含一些数据的表 因此，我用以下代码提取了数据（它是一个字符串）： IDataObject iData = Clipboard.GetDataObject(); if (iData.GetDataPresent(DataFormats.Html)) { string s = (string)iData.GetData(DataFormats.Html); } 我从中得到（s包含的内容

对不起，标题是

所以我想从剪贴板中提取文本。此文本是从网页（在浏览器中）复制的。在我的例子中，它是一个包含一些数据的表

因此，我用以下代码提取了数据（它是一个字符串）：

IDataObject iData = Clipboard.GetDataObject();

if (iData.GetDataPresent(DataFormats.Html))
{
    string s = (string)iData.GetData(DataFormats.Html);
}
我从中得到（s包含的内容）如下：

Version:0.9
StartHTML:0000000397
EndHTML:0000004086
StartFragment:0000000433
EndFragment:0000004050
SourceURL:Bla Bla Bla
<html>
<body>
<!--StartFragment--><table class="listing tickets">Bla Bla Bla</table><!--EndFragment-->
</body>
</html>

版本：0.9
StartHTML:0000000397
EndHTML:0000004086
起始片段：0000000433
EndFragment:0000004050
SourceURL:blablabla
呜呜呜呜
所以，再一次。是否有任何标准类可以解析这些数据，或者我应该自己创建一个吗？

好的，所以答案似乎是否定的！这让我有些惊讶

无论如何。我制作了自己的助手类，也许可以帮助你。这只是众多可能的解决方案之一。对于我的应用程序，如果没有找到任何内容，则返回null效果很好，也许您需要一个异常。还请记住，我将此作为一个辅助项目，因此没有对代码进行广泛的测试，因此，我不保证这是可行的

public class ClipboardHtmlOutput
{
    public Double Version { get; private set; }
    public String Source { get; private set; }
    public String Input { get; private set; }
    //public String Html { get { return Input.Substring(startHTML, (endHTML - startHTML)); } }
    public String Html { get { return Input.Substring(startHTML, Math.Min(endHTML - startHTML, Input.Length - startHTML)); } }
    public String Fragment { get { return Input.Substring(startFragment, (endFragment - startFragment)); } }

    private int startHTML;
    private int endHTML;
    private int startFragment;
    private int endFragment;

    public static ClipboardHtmlOutput ParseString(string s)
    {
        ClipboardHtmlOutput html = new ClipboardHtmlOutput();

        string pattern = @"Version:(?<version>[0-9]+(?:\.[0-9]*)?).+StartHTML:(?<startH>\d*).+EndHTML:(?<endH>\d*).+StartFragment:(?<startF>\d+).+EndFragment:(?<endF>\d*).+SourceURL:(?<source>f|ht{1}tps?://[-a-zA-Z0-9@:%_\+.~#?&//=]+)";
        Match match = Regex.Match(s, pattern, RegexOptions.Singleline);

        if (match.Success)
        {
            try
            {
                html.Input = s;
                html.Version = Double.Parse(match.Groups["version"].Value, CultureInfo.InvariantCulture);
                html.Source = match.Groups["source"].Value;
                html.startHTML = int.Parse(match.Groups["startH"].Value);
                html.endHTML = int.Parse(match.Groups["endH"].Value);
                html.startFragment = int.Parse(match.Groups["startF"].Value);
                html.endFragment = int.Parse(match.Groups["endF"].Value);
            }
            catch (Exception fe)
            {
                return null;
            }
            return html;
        }
        return null;
    }
}
以下方法是Microsoft提供的方法。此方法包含在示例“XAML到HTML转换演示”中的HtmlParser类中，您可以在此处下载：

有关“HTML剪贴板格式”的其他信息，您可以在此处找到：

//
///通过解析htmlDataString中的标题信息，从剪贴板数据中提取Html字符串
/// 
/// 
///表示Html剪贴板数据的字符串。这包括Html标题
/// 
/// 
///仅包含htmlDataString的Html数据部分的字符串，不带标头
/// 
内部静态字符串提取HtmlFromClipboardData（字符串htmlDataString）
{
int startHtmlIndex=htmlDataString.IndexOf（“StartHTML:”）；
如果（startHtmlIndex<0）
{
返回“错误：Urecognized html头”；
}
//TODO：我们假设指数严格由10个零表示（“0123456789”。长度），
//这可能是错误的假设。我们需要在这里实现更灵活的解析
startHtmlIndex=Int32.Parse（htmlDataString.Substring（startHtmlIndex+“StartHTML:”.Length，“0123456789.Length））；
if（startHtmlIndex<0 | | startHtmlIndex>htmlDataString.Length）
{
返回“错误：Urecognized html头”；
}
int-endHtmlIndex=htmlDataString.IndexOf（“EndHTML:”）；
if（endHtmlIndex<0）
{
返回“错误：Urecognized html头”；
}
//TODO：我们假设指数严格由10个零表示（“0123456789”。长度），
//这可能是错误的假设。我们需要在这里实现更灵活的解析
endHtmlIndex=Int32.Parse（htmlDataString.Substring（endHtmlIndex+“EndHTML:”.Length，“0123456789.Length））；
if（endHtmlIndex>htmlDataString.Length）
{
endHtmlIndex=htmlDataString.Length；
}
返回htmlDataString.Substring（startHtmlIndex，endHtmlIndex-startHtmlIndex）；
}
2015年2月25日增补

在我实施之后。我必须注意UTF-8（参见at和of方法）

//
///通过解析标题信息，从剪贴板数据中提取选定的Html片段字符串
///在htmlDataString中
/// 
/// 
///表示Html剪贴板数据的字符串。这包括Html标题
/// 
/// 
///仅包含htmlDataString的Html选择部分的字符串，不带标头
/// 
内部静态字符串ExtractHtmlFragmentFromClipboardData（字符串htmlDataString）
{
//HTML剪贴板格式
// (https://msdn.microsoft.com/en-us/library/aa767917（v=vs.85）.aspx）
//该片段包含表示用户所选区域的有效HTML
//包括基本粘贴HTML片段所需的信息，如下所示：
//-选定文本。
//-在所选文本中具有结束标记的任何元素的开始标记和属性。
//-与包含的洞口标记匹配的端点标记。
//片段的前面和后面应该是HTML注释和
//（在！--和文本之间不允许有空格）以指示
//片段的开始和结束。因此片段的开始和结束由
//注释以及StartFragment和EndFragment字节计数。虽然冗余，
//这使得查找片段的开头（从字节计数）和标记
//片段直接在HTML树中的位置。
//从剪贴板开始到片段开始的字节计数。
int startFragmentIndex=htmlDataString.IndexOf（“StartFragment:”）；
如果（startFragmentIndex<0）
{
返回“错误：无法识别的html头”；
}
//TODO：我们假设指数严格由10个零表示（“0123456789”。长度），
//这可能是错误的假设。我们需要在这里实现更灵活的解析
startFragmentIndex=Int32.Parse（htmlDataString.Substring（startFragmentIndex+“startFragmentIndex:”.Length，10））；
if（startFragmentIndex<0 | | startFragmentIndex>htmlDataString.Length）
{
返回“错误：无法识别的html头”；
}
//从剪贴板开始到片段结束的字节计数。
int endFragmentIndex=htmlDataString.IndexOf（“EndFragment:”）；
如果（endFragmentIndex<0）
{
返回“错误：无法识别的html头”；
}
//TODO：我们假设指数严格由10个零表示（“0123456789”。长度），
//这可能是错误的假设。我们需要在这里实现更灵活的解析
endFragmentIndex=Int32.Parse（htmlDataString.Substring（endFragmentIndex+“EndFragment:”.Length，10））；
if（endFragmentIndex>htmlDataString.Length）
{
endFragmentIndex=htmlDataString.Length；
}
//CF_HTML完全是文本格式，并使用转换格式UTF-8
byte[]bytes=Encoding.UTF8.GetBytes（htmlDataString）；
返回Encoding.UTF8.GetString（字节、startFragmentIndex、endFragmentIndex-startFragmentIn

IDataObject iData = Clipboard.GetDataObject();

if (iData.GetDataPresent(DataFormats.Html))
{
    ClipboardHtmlOutput cho = ClipboardHtmlOutput.ParseString((string)iData.GetData(DataFormats.Html));
    XmlDocument xml = new XmlDocument();
    xml.LoadXml(cho.Fragment);
}



/// <summary>
/// Extracts Html string from clipboard data by parsing header information in htmlDataString
/// </summary>
/// <param name="htmlDataString">
/// String representing Html clipboard data. This includes Html header
/// </param>
/// <returns>
/// String containing only the Html data part of htmlDataString, without header
/// </returns>
internal static string ExtractHtmlFromClipboardData(string htmlDataString)
{
    int startHtmlIndex = htmlDataString.IndexOf("StartHTML:");
    if (startHtmlIndex < 0)
    {
        return "ERROR: Urecognized html header";
    }
    // TODO: We assume that indices represented by strictly 10 zeros ("0123456789".Length),
    // which could be wrong assumption. We need to implement more flrxible parsing here
    startHtmlIndex = Int32.Parse(htmlDataString.Substring(startHtmlIndex + "StartHTML:".Length, "0123456789".Length));
    if (startHtmlIndex < 0 || startHtmlIndex > htmlDataString.Length)
    {
        return "ERROR: Urecognized html header";
    }

    int endHtmlIndex = htmlDataString.IndexOf("EndHTML:");
    if (endHtmlIndex < 0)
    {
        return "ERROR: Urecognized html header";
    }
    // TODO: We assume that indices represented by strictly 10 zeros ("0123456789".Length),
    // which could be wrong assumption. We need to implement more flrxible parsing here
    endHtmlIndex = Int32.Parse(htmlDataString.Substring(endHtmlIndex + "EndHTML:".Length, "0123456789".Length));
    if (endHtmlIndex > htmlDataString.Length)
    {
        endHtmlIndex = htmlDataString.Length;
    }

    return htmlDataString.Substring(startHtmlIndex, endHtmlIndex - startHtmlIndex);
}



/// <summary>
/// Extracts selected Html fragment string from clipboard data by parsing header information 
/// in htmlDataString
/// </summary>
/// <param name="htmlDataString">
/// String representing Html clipboard data. This includes Html header
/// </param>
/// <returns>
/// String containing only the Html selection part of htmlDataString, without header
/// </returns>
internal static string ExtractHtmlFragmentFromClipboardData(string htmlDataString)
{
    // HTML Clipboard Format
    // (https://msdn.microsoft.com/en-us/library/aa767917(v=vs.85).aspx)

    // The fragment contains valid HTML representing the area the user has selected. This 
    // includes the information required for basic pasting of an HTML fragment, as follows:
    //  - Selected text. 
    //  - Opening tags and attributes of any element that has an end tag within the selected text. 
    //  - End tags that match the included opening tags. 

    // The fragment should be preceded and followed by the HTML comments <!--StartFragment--> and 
    // <!--EndFragment--> (no space allowed between the !-- and the text) to indicate where the 
    // fragment starts and ends. So the start and end of the fragment are indicated by these 
    // comments as well as by the StartFragment and EndFragment byte counts. Though redundant, 
    // this makes it easier to find the start of the fragment (from the byte count) and mark the 
    // position of the fragment directly in the HTML tree.

    // Byte count from the beginning of the clipboard to the start of the fragment.
    int startFragmentIndex = htmlDataString.IndexOf("StartFragment:");
    if (startFragmentIndex < 0)
    {
        return "ERROR: Unrecognized html header";
    }
    // TODO: We assume that indices represented by strictly 10 zeros ("0123456789".Length),
    // which could be wrong assumption. We need to implement more flrxible parsing here
    startFragmentIndex = Int32.Parse(htmlDataString.Substring(startFragmentIndex + "StartFragment:".Length, 10));
    if (startFragmentIndex < 0 || startFragmentIndex > htmlDataString.Length)
    {
        return "ERROR: Unrecognized html header";
    }

    // Byte count from the beginning of the clipboard to the end of the fragment.
    int endFragmentIndex = htmlDataString.IndexOf("EndFragment:");
    if (endFragmentIndex < 0)
    {
        return "ERROR: Unrecognized html header";
    }
    // TODO: We assume that indices represented by strictly 10 zeros ("0123456789".Length),
    // which could be wrong assumption. We need to implement more flrxible parsing here
    endFragmentIndex = Int32.Parse(htmlDataString.Substring(endFragmentIndex + "EndFragment:".Length, 10));
    if (endFragmentIndex > htmlDataString.Length)
    {
        endFragmentIndex = htmlDataString.Length;
    }

    // CF_HTML is entirely text format and uses the transformation format UTF-8
    byte[] bytes = Encoding.UTF8.GetBytes(htmlDataString);
    return Encoding.UTF8.GetString(bytes, startFragmentIndex, endFragmentIndex - startFragmentIndex);
}