come usare il pacchetto agility html per estrarre tutto l'url dal testo html

c# html-agility-pack

Domanda

Spesso estraggo nomi di file da dati di testo html usando espressioni regolari, ma ho sentito che il pacchetto di agilità html è utile per analizzare i dati html. come posso usare il pacchetto agility html per estrarre tutto l'url dai dati html. Qualcuno mi può guidare con un codice di esempio. Grazie.

Questo è il mio esempio di codice che funziona bene.

using System.Text.RegularExpressions;

private ArrayList GetFilesName(string Source)
{
    ArrayList arrayList = new ArrayList();
    Regex regex = new Regex("(?<=src=\")([^\"]+)(?=\")", 1);
    MatchCollection matchCollection = regex.Matches(Source);
    foreach (Match match in matchCollection)
    {
        if (!match.get_Value().StartsWith("http://"))
        {
                    arrayList.Add(Path.GetFileName(match.get_Value()));
                }
                match.NextMatch();
            }
            ArrayList arrayList1 = arrayList;
            return arrayList1;
        }

private string ReplaceSrc(string Source)
{
    Regex regex = new Regex("(?<=src=\")([^\"]+)(?=\")", 1);
    MatchCollection matchCollection = regex.Matches(Source);
    foreach (Match match in matchCollection)
    {
        string value = match.get_Value();
        string str = string.Concat("images/", Path.GetFileName(value));
        Source = Source.Replace(value, str);
        match.NextMatch();
    }
    string source = Source;
    return source;
}

Risposta accettata

Seleziona tutti i tag img con attributo src non vuoto (altrimenti otterrai NullReferenceException durante il recupero del valore dell'attributo):

HtmlDocument html = new HtmlDocument();
html.Load(path_to_file);
var urls = html.DocumentNode.SelectNodes("//img[@src!='']")
               .Select(i => i.Attributes["src"].Value);

Risposta popolare

Qualcosa di simile a:

var doc = new HtmlDocument();
doc.LoadHtml(html);

var images = doc.DocumentNode.Descendants("img")
    .Where(i => i.GetAttributeValue("src", null) != null)
    .Select(i => i.Attributes["src"].Value);

Questo seleziona tutti gli elementi <img> dal documento che hanno la proprietà src impostata e restituiscono questi URL.



Related

Autorizzato sotto: CC-BY-SA with attribution
Non affiliato con Stack Overflow
È legale questo KB? Sì, impara il perché
Autorizzato sotto: CC-BY-SA with attribution
Non affiliato con Stack Overflow
È legale questo KB? Sì, impara il perché