[英]c# get content from url like facebook and linkedin does
将网址发布到您的状态后,如何实现与Facebook和Linkedin相同的功能(在C#中)?
正如您从Linkedin下方看到的那样,您输入一个URL,Linkedin会自动获取被截断的文章的标题,图像和内容。
我使用HTML Agility Pack解析HTML。 它以NuGet软件包的形式提供。
如果您有这样定义的WebPage类:
public class WebPage
{
public string Title { get; set; }
public string PageUrl { get; set; }
public string Text { get; set; }
}
您可以使用以下代码来解析HTML:
public WebPage ParseHtml(string html, Uri uri)
{
var document = new HtmlDocument();
document.LoadHtml(html);
// remove scripts
foreach (var script in document.DocumentNode.Descendants("script").ToArray())
{
script.Remove();
}
// remove styles
foreach (var style in document.DocumentNode.Descendants("style").ToArray())
{
style.Remove();
}
// remove comments
foreach (var style in document.DocumentNode.Descendants("#comment").ToArray())
{
style.Remove();
}
// sometimes </form> is not removed so we have to remove it manually
string innerText = (document.DocumentNode.InnerText ?? "").Trim().Replace("</form>", "");
var sb = new StringBuilder();
var lines = innerText.Split(new[] { Environment.NewLine, "\n" }, StringSplitOptions.RemoveEmptyEntries);
foreach (var line in lines)
{
string trimmed = StringUtils.DecodeAndRemoveSpaces(line);
if (!string.IsNullOrWhiteSpace(trimmed))
{
sb.AppendLine(trimmed);
}
}
var webPage = new WebPage { PageUrl = uri.AbsoluteUri };
var titleNode = document.DocumentNode.Descendants("title").SingleOrDefault();
if (titleNode != null)
{
webPage.Title = StringUtils.DecodeAndRemoveSpaces(titleNode.InnerText ?? "");
}
webPage.Text = sb.ToString();
return webPage;
}
和utils类:
public class StringUtils
{
public static string DecodeAndRemoveSpaces(string text)
{
var trimed = HttpUtility.HtmlDecode(text.Trim());
trimed = trimed.Replace("\t", " ");
// replace double spaces
trimed = Regex.Replace(trimed, @"[ ]{2,}", " ");
return trimed;
}
}
用法:
public async Task Test()
{
using (var client = new HttpClient())
{
var uri = new Uri("http://www.google.com");
string html = await client.GetStringAsync(uri);
var webPage = ParseHtml(html, uri);
}
}
您可以将获取请求发送到该URL。 然后,您可以获取标题,图像和内容。
您可以在此处查看一般示例(向下滚动至“示例”)。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.