C#如何从WebBrowser控件选中内容提取HTML表格或解析表格数据

使用WinForms的WebBrowser控件加载SEC财报表格页面（如指定的EDGAR页面），需实现用户选中表格数据后，解析并展示到DataGridView中。目前通过纯文本提取选中内容，但纯文本结构丢失，解析难度大且易出错，需解决两个核心需求：

• 获取选中内容的原始HTML，替代纯文本
• 更可靠的选中表格数据解析方案

现有纯文本提取代码 #

private string GetSelectedText()
{
    dynamic document = webBrowser1.Document.DomDocument;
    dynamic selection = document.selection;
    dynamic text = selection.createRange().text;
    return (string)text;
}

解决方案 #

方案一：获取WebBrowser选中内容的HTML #

利用IE DOM API直接获取选中区域的HTML，保留表格的结构标签（<table>/<tr>/<td>等），代码如下：

private string GetSelectedHtml()
{
    if (webBrowser1.Document == null)
        return string.Empty;

    dynamic document = webBrowser1.Document.DomDocument;
    dynamic selection = document.selection;
    if (selection == null || selection.type != "Text")
        return string.Empty;

    dynamic range = selection.createRange();
    return range.htmlText; // 提取选中区域的完整HTML
}

方案二：基于HTML的表格解析优化方案 #

拿到选中的HTML后，使用HtmlAgilityPack（NuGet可直接安装）解析表格结构，转换为DataTable后绑定到DataGridView，步骤如下：

1. 解析HTML到DataTable

private DataTable ParseSelectedHtmlToDataTable(string selectedHtml)
{
    DataTable dt = new DataTable();
    HtmlDocument doc = new HtmlDocument();
    doc.LoadHtml(selectedHtml);

    // 定位选中区域内的表格（支持多表格，此处取第一个，可按需调整）
    HtmlNode table = doc.DocumentNode.SelectSingleNode("//table");
    if (table == null)
        return dt;

    // 提取表头
    HtmlNodeCollection headerRows = table.SelectNodes(".//tr[th]");
    if (headerRows != null && headerRows.Count > 0)
    {
        foreach (HtmlNode th in headerRows[0].SelectNodes(".//th"))
        {
            dt.Columns.Add(HtmlEntity.DeEntitize(th.InnerText.Trim()));
        }
    }
    // 无表头时自动生成列名
    else if (dt.Columns.Count == 0)
    {
        HtmlNodeCollection firstDataCells = table.SelectNodes(".//tr[td]")[0].SelectNodes(".//td");
        for (int i = 0; i < firstDataCells.Count; i++)
        {
            dt.Columns.Add($"列_{i+1}");
        }
    }

    // 提取数据行
    HtmlNodeCollection dataRows = table.SelectNodes(".//tr[td]");
    if (dataRows != null)
    {
        foreach (HtmlNode row in dataRows)
        {
            HtmlNodeCollection cells = row.SelectNodes(".//td");
            if (cells != null && cells.Count == dt.Columns.Count)
            {
                DataRow dr = dt.NewRow();
                for (int i = 0; i < cells.Count; i++)
                {
                    dr[i] = HtmlEntity.DeEntitize(cells[i].InnerText.Trim());
                }
                dt.Rows.Add(dr);
            }
        }
    }

    return dt;
}

2. 绑定到DataGridView

private void btnParse_Click(object sender, EventArgs e)
{
    string selectedHtml = GetSelectedHtml();
    if (string.IsNullOrEmpty(selectedHtml))
    {
        MessageBox.Show("请先选中表格内容");
        return;
    }

    DataTable dt = ParseSelectedHtmlToDataTable(selectedHtml);
    dgv.DataSource = dt;
    dgv.AutoResizeColumns(DataGridViewAutoSizeColumnsMode.AllCells); // 自动调整列宽
}

3. SEC财报表格特殊处理（合并单元格）

SEC财报常存在colspan/rowspan合并单元格，可添加如下简化处理逻辑：

// 解析数据行时加入合并单元格处理
foreach (HtmlNode row in dataRows)
{
    DataRow dr = dt.NewRow();
    HtmlNodeCollection cells = row.SelectNodes(".//td");
    if (cells == null) continue;

    int colIndex = 0;
    foreach (HtmlNode cell in cells)
    {
        // 处理列合并
        int colspan = int.TryParse(cell.GetAttributeValue("colspan", "1"), out int c) ? c : 1;
        // 处理行合并（需额外存储跨多行的内容，可通过字典记录）
        int rowspan = int.TryParse(cell.GetAttributeValue("rowspan", "1"), out int r) ? r : 1;

        string cellText = HtmlEntity.DeEntitize(cell.InnerText.Trim());
        for (int i = 0; i < colspan; i++)
        {
            if (colIndex + i < dt.Columns.Count)
            {
                dr[colIndex + i] = cellText;
                // 若rowspan>1，可将内容存入临时字典，后续行填充时读取
                // rowspanDict.Add((currentRowIndex + 1, colIndex + i), cellText);
            }
        }
        colIndex += colspan;
    }
    dt.Rows.Add(dr);
}

内容的提问来源于stack exchange，提问作者Sankar