从C＃中的HTML代码获取特定单词的链接

Question

从C＃中的HTML代码获取特定单词的链接

c# html-agility-pack regex

题

我正在尝试解析一个网站。我需要HTML文件中的一些链接，其中包含一些特定的单词。我知道如何找到“href”属性，但我不需要所有属性，无论如何要做到这一点？例如，我可以在HtmlAgilityPack中使用正则表达式吗？

HtmlNode links = document.DocumentNode.SelectSingleNode("//*[@id='navigation']/div/ul");

foreach (HtmlNode urls in document.DocumentNode.SelectNodes("//a[@]"))
{
    this.dgvurl.Rows.Add(urls.Attributes["href"].Value);
}

我正在尝试这个以查找HTML代码中的所有链接。

Ali Zeinalzadeh

热门答案

我发现这个，对我有用。

HtmlNode links = document.DocumentNode.SelectSingleNode("//*[@id='navigation']/div/ul");
    foreach (HtmlNode urls in document.DocumentNode.SelectNodes("//a[@]"))
        {
           var temp = catagory.Attributes["href"].Value;
           if (temp.Contains("some_word"))
              {
                dgv.Rows.Add(temp);
              }
        }

Ali Zeinalzadeh

在 Stack Overflow 上查看更多

krlzlx · Accepted Answer · 9/26/2017 2:24:06 PM

如果您有这样的HTML文件：

<div class="a">
    <a href="http://www.website.com/"></a>
    <a href="http://www.website.com/notfound"></a>
    <a href="http://www.website.com/theword"></a>
    <a href="http://www.website.com/sub/theword"></a>
    <a href="http://www.website.com/theword.html"></a>
    <a href="http://www.website.com/other"></a>
</div>

而你正在搜索以下单词： theword和other 。您可以定义正则表达式，然后使用LINQ获取具有与正则表达式匹配的属性href的链接，如下所示：

Regex regex = new Regex("(theworld|other)", RegexOptions.IgnoreCase);

HtmlNode node = htmlDoc.DocumentNode.SelectSingleNode("//div[@class='a']");
List<HtmlNode> nodeList = node.SelectNodes(".//a").Where(a => regex.IsMatch(a.Attributes["href"].Value)).ToList<HtmlNode>();

List<string> urls = new List<string>();

foreach (HtmlNode n in nodeList)
{
    urls.Add(n.Attributes["href"].Value);
}

请注意，XPATH contains一个contains关键字，但您必须复制您正在搜索的每个单词的条件：

node.SelectNodes(".//a[contains(@href,'theword') or contains(@href,'other')]")

XPATH还有一个matches关键字，不幸的是它只适用于XPATH 2.0，而HtmlAgilityPack使用XPATH 1.0。使用XPATH 2.0，您可以执行以下操作：

node.SelectNodes(".//a[matches(@href,'(theword|other)')]")

从C＃中的HTML代码获取特定单词的链接

题

Fastest Entity Framework Extensions

一般承认的答案

热门答案

Performance

Expression Evaluator

Related