如何使用HtmlAgilityPack检查它是否是404错误页面（页面不存在）

Question

在这里，我试图阅读网址并在页面中获取图像。 我需要排除页面，如果它是404并停止从404错误页面获取图像。 如何使用HtmlAgilityPack？ 这是我的代码

var document = new HtmlWeb().Load(completeurl);
var urls = document.DocumentNode.Descendants("img")
          .Select(e => e.GetAttributeValue("src", null))
          .Where(s => !String.IsNullOrEmpty(s)).ToList();

Answer 1

您需要在HtmlWeb实例上注册PostRequestHandler事件，它将在每个下载的文档之后引发，您将可以访问HttpWebResponse对象。 它具有StatusCode的属性。

 HtmlWeb web = new HtmlWeb();
 HttpStatusCode statusCode = HttpStatusCode.OK;
 web.PostRequestHandler += (request, response) =>
 {
     if (response != null)
     {
         statusCode = response.StatusCode;
     }
 }

 var doc = web.Load(completeUrl)
 if (statusCode == HttpStatusCode.OK)
 {
     // received a read document
 }

查看GutHub上HtmlAgilityPack的代码，它甚至更简单， HtmlWeb有一个属性StatusCode ，其值设置为：

var web = new HtmlWeb();
var document = web.Load(completeurl);

if (web.StatusCode == HttpStatusCode.OK)
{
    var urls = document.DocumentNode.Descendants("img")
          .Select(e => e.GetAttributeValue("src", null))
          .Where(s => !String.IsNullOrEmpty(s)).ToList();
}

更新

AgilityPack API已有更新。 诀窍仍然是一样的：

var htmlWeb = new HtmlWeb();
var lastStatusCode = HttpStatusCode.OK;

htmlWeb.PostResponse = (request, response) =>
{
    if (response != null)
    {
        lastStatusCode = response.StatusCode;
    }
};

Answer 2

请注意您使用的版本！

我正在使用HtmlAgilityPack v1.5.1并且没有PostRequestHandler事件。

在v1.5.1中，必须使用PostResponse字段。 见下面的例子。

var htmlWeb = new HtmlWeb();
var lastStatusCode = HttpStatusCode.OK;

htmlWeb.PostResponse = (request, response) =>
{
    if (response != null)
    {
        lastStatusCode = response.StatusCode;
    }
};

差异不大但仍然存在差异。

希望这会节省一些时间。