/// <summary>
/// 操作一段html文本或者css文本，将其中使用样式background:url(...)指定的图片下载到本地，并更改路径
/// </summary>
/// <param name="content">一段html或者css文本</param>
/// <param name="cssUrl">css文件的url，如果是内嵌css则此url为css所在页面的url</param>
/// <param name="dirConfig">目录配置的实例，从中判断是否根据url结构保存</param>
/// <param name="referenceDir">引用图片的文件所在目录（可能是html文件所在目录，也能是css文件所在目录）</param>
/// <param name="saveDir">下载图片存放的目录</param>
/// <param name="async">是否异步下载</param>
/// <param name="dic">记录异步下载信息的字典</param>
/// <returns>返回替换后的文本</returns>
internal string ReplaceBackgroundUrl(string content, string cssUrl, DirConfig dirConfig, string referenceDir, string saveDir, bool async, Dictionary<string, string> dic)
{
//将css里面引用的图片下载到本地，并且然后替换css里的图片引用路径
content = RegexLibrary.RegCssImgUrl.Replace(content, delegate(Match match)
{
return this.MatchUrl(match, dirConfig, cssUrl, referenceDir, saveDir, "src", delegate(string url)
{
//获取css里面引用图片的绝对路径，同时干掉图片url开头和结尾的引号，以免造成悲剧图片不显示的问题（例如 style="background:url("xxx.jpg");" ,如果不干掉图片地址中的引号就会出问题）
return Regex.Replace(url, @"^("|'|"")|("|""|')$", "");
}, null, async, dic);
});
return content;
}
/// <summary>
/// 替换将js、css、图片、flash等文件下载到本地后，调用此方法获取在页面中引用本地文件的路径
/// </summary>
/// <param name="match">匹配到的js、css、图片、flash等标签的正则实例</param>
/// <param name="dirConfig">目录配置的实例，从中判断是否根据url结构保存</param>
/// <param name="resourceUrl">当前html页面或者css文件的url。此url用于将其内容中的相对地址转换为绝对地址并下载</param>
/// <param name="referenceDir">引用图片的文件所在目录（可能是html文件所在目录，也能是css文件所在目录）</param>
/// <param name="saveDir">下载文件存放的目录</param>
/// <param name="regGroupName">指定匹配url的正则分组的组名</param>
/// <param name="urlHandle">指定对匹配url进行处理的函数回调</param>
/// <param name="downloadHandle">指定自定义下载处理的函数回调，此回调返回下载文件的本地路径或者占位符</param>
/// <returns>返回替换后的标签字符串</returns>
internal string MatchUrl(Match match, DirConfig dirConfig, string resourceUrl, string referenceDir, string saveDir, string regGroupName, MatchCallback urlHandle, MatchCallback downloadHandle)
{
return MatchUrl(match, dirConfig, resourceUrl, referenceDir, saveDir, regGroupName, urlHandle, downloadHandle, false, null);
}
/// <summary>
/// 替换将js、css、图片、flash等文件下载到本地后，调用此方法获取在页面中引用本地文件的路径
/// </summary>
/// <param name="match">匹配到的js、css、图片、flash等标签的正则实例</param>
/// <param name="dirConfig">目录配置的实例，从中判断是否根据url结构保存</param>
/// <param name="resourceUrl">当前html页面或者css文件的url。此url用于将其内容中的相对地址转换为绝对地址并下载</param>
/// <param name="referenceDir">引用图片的文件所在目录（可能是html文件所在目录，也能是css文件所在目录）</param>
/// <param name="saveDir">下载文件存放的目录</param>
/// <param name="regGroupName">指定匹配url的正则分组的组名</param>
/// <param name="urlHandle">指定对匹配url(也就是href或者src)进行处理的函数回调，此回调主要对url进行一些处理（例如去引号等等）</param>
/// <param name="downloadHandle">指定自定义下载处理的函数回调，此回调返回下载文件的本地路径或者占位符</param>
/// <param name="async">是否异步下载</param>
/// <param name="dic">记录异步下载信息的字典</param>
/// <returns>返回替换后的标签字符串</returns>
internal string MatchUrl(Match match, DirConfig dirConfig, string resourceUrl, string referenceDir, string saveDir, string regGroupName, MatchCallback urlHandle, MatchCallback downloadHandle, bool async, Dictionary<string, string> dic)
{
//文件的地址（可能是相对也可能是绝对）、文件的绝对Url地址、以及保存到本地以后的本地路径
string href, url, localPath = "";
href = match.Groups[regGroupName].Value;
if (null != urlHandle)
{
href = urlHandle(href);
}
url = PathUtility.ConvertToAbsoluteHref(resourceUrl ?? this.url, href);
//如果设置了根据网站url结构按对应目录存储资源，则重新设置保存目录的路径
if (dirConfig.UseWebSite)
{
saveDir = PathUtility.GetSaveDir(this.Url, url, dirConfig.HtmlDirPath);
}
//如果使用异步下载
if (async)
{
////如果未指定异步下载函数
//if (null == downloadHandle)
//{
// localPath = this.GetPlaceHolder();
// //开始异步下载资源
// Spider.SaveResourceAsync(url, saveDir, new Action<string>(delegate(string filePath)
// {
// lock (dic)
// {
// dic[localPath] = null == filePath ? url : PathUtility.GetRelativePath(referenceDir, filePath);
// }
// }));
//}
//else
//{
// localPath = downloadHandle(url);
//}
//if (!dic.ContainsKey(localPath))
//{
// lock (dic)
// {
// dic.Add(localPath, null);
// }
//}
}//如果使用同步下载
else
{
if (null == downloadHandle)
{
//保存文件，如果成功，则返回文件保存后的本地路
localPath = SaveResource(url, saveDir);
}
else
{
localPath = downloadHandle(url);
}
//如果保存失败，则引用绝对url地址
if (string.IsNullOrEmpty(localPath))
{
localPath = url;
}
else
{
localPath = PathUtility.GetRelativePath(referenceDir, localPath);
}
}
//使用localPath替换html内容中的引用路径
return match.Value.Replace(href, localPath);
}
/// <summary>
///使用同步方式下载，将html内容保存为html文件，并将html内容中引用的图片，css，js，flash都保存到本地，然后将html内容中引用的地址都转换为相对地址
/// </summary>
/// <param name="fileName">保存的文件名</param>
/// <param name="ignoreScript">保存的时候是否忽略Script标签，若为true，则忽略JS</param>
/// <param name="dirConfig">页面下载文件夹相关配置信息</param>
/// <returns>如果下载成功，返回文件的本地路径，否则返回null</returns>
public string SaveHtmlAndResource(string fileName, bool ignoreScript, DirConfig dirConfig)
{
string htmlContent = this.html;
if (!dirConfig.CheckLegal())
{
throw new Exception("路径配置不在统一磁盘下");
}
dirConfig.CreateDir();
if (string.IsNullOrEmpty(this.url))
{
throw new Exception("未指定当前url");
}
//是否忽略JS
if (ignoreScript)
{
htmlContent = this.FilterScript();
}
#region 保存所有css和css中引用的图片
htmlContent = RegexLibrary.RegCssLink.Replace(htmlContent, delegate(Match match)
{
//由于css文件里有可能引用图片，所以在此处需要自定义css文件下载函数，将css文件中的图片下载到本地然后替换css文件中的引用路径
return this.MatchUrl(match, dirConfig, this.url, dirConfig.HtmlDirPath, dirConfig.CssDirPath, "src", null, delegate(string cssUrl)
{
//css内容、css保存路径
string cssContent, cssSavePath = cssUrl;
//请求css文件
//cRequest = Spider.CreateRequest(cssUrl);
//cRequest.SetHeader("Referer", this.Url);
//cResponse = Spider.Get(cRequest);
HttpClient hc = new HttpClient(cssUrl);
string content = hc.Request();
//如果请求成功
if (!string.IsNullOrEmpty(content))
{
string tempFileName = hc.GetFileName();
//确定css文件保存的绝对路径
cssSavePath = dirConfig.UseWebSite ? Path.GetFullPath(PathUtility.GetSaveDir(this.Url, cssUrl, dirConfig.HtmlDirPath) + tempFileName) : Path.GetFullPath(dirConfig.CssDirPath + "\\" + tempFileName);
//获取css内容
cssContent = content;// cResponse.GetContent(null, false);
//下载css里引用的图片，并替换css内容中图片地址的引用
cssContent = this.ReplaceBackgroundUrl(cssContent, cssUrl, dirConfig, Path.GetDirectoryName(cssSavePath), dirConfig.ImgDirPath, false, null);
//将css保存到本地
cssSavePath = FileUtility.SaveText(cssSavePath, cssContent, hc.Encoding);
}
//返回保存以后的css本地路径
return cssSavePath;
});
});
#endregion
#region 保存所有JS
htmlContent = RegexLibrary.RegScriptLink.Replace(htmlContent, delegate(Match match)
{
return this.MatchUrl(match, dirConfig, this.url, dirConfig.HtmlDirPath, dirConfig.JsDirPath, "src", null, null);
});
#endregion
#region 保存所有图片
htmlContent = RegexLibrary.RegImg.Replace(htmlContent, delegate(Match match)
{
return this.MatchUrl(match, dirConfig, this.url, dirConfig.HtmlDirPath, dirConfig.ImgDirPath, "src", null, null);
});
#endregion
#region 保存所有Flash
htmlContent = RegexLibrary.RegFlash.Replace(htmlContent, delegate(Match match)
{
return this.MatchUrl(match, dirConfig, this.url, dirConfig.HtmlDirPath, dirConfig.FlashDirPath, "src", null, null);
});
#endregion
#region 当前页面内嵌css中的图片
htmlContent = this.ReplaceBackgroundUrl(htmlContent, this.Url, dirConfig, dirConfig.HtmlDirPath, dirConfig.ImgDirPath, false, null);
#endregion
return FileUtility.SaveText(Path.GetFullPath(dirConfig.HtmlDirPath + "\\" + fileName), htmlContent, this.encode);
}
