[英]Get links with specific words from a HTML code in C#
我正在尝试解析一个网站。 我需要包含一些特定单词的 HTML 文件中的一些链接。 我知道如何找到“href”属性,但我不需要所有这些属性,无论如何要这样做吗? 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);
}
我正在尝试使用此方法查找 HTML 代码中的所有链接。
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>
例如,您正在搜索以下单词: theword
和other
。 您可以定义一个正则表达式,然后使用 LINQ 获取具有与您的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 有一个contains
关键字,但您必须为要搜索的每个单词复制条件,例如:
node.SelectNodes(".//a[contains(@href,'theword') or contains(@href,'other')]")
XPATH 也有一个matches
关键字,不幸的是它仅适用于 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)')]")
我找到了这个,这对我有用。
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);
}
}
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.