[英]XML: Searching elements for specific text using C#
我正在尝试从不同的网站获取PDF链接列表。 首先,我使用Web客户端类下载页面源。 然后我使用sgmlReader将HTML转换为XML。 所以对于一个特定的网站,我会得到一个看起来像这样的标签:
<p><a href="pub/1985_to_1997_Board_Action_Summary.pdf">1985 to 1997 Board Action Summary</a></p>
我需要获取包含“.pdf”的所有链接。 显然并非所有网站的布局都相同,所以只搜索<p>
标签,不够动态。 我宁愿不使用linq,但如果必须,我会的。 提前致谢。
Linq让这很容易......
var hrefs = doc.Root.Descendants("a")
.Where(a => a.Attrib("href").Value.ToUpper().EndsWith(".PDF"))
.Select(a => a.Attrib("href"));
你走吧! (注意:这是从内存中做到的,所以你可能需要稍微修复一下)
这将分解没有href
(锚点)的<a/>
标签,但你可以肯定地解决这个问题......
我想你有两个选择。 如果只需要链接,则可以使用正则表达式查找以.pdf结尾的字符串的匹配项。 如果您需要操作XML结构或从XML获取其他值,最好使用XmlDocument并使用XPath查询找出其中包含pdf文件链接的节点。 使用LINQ to XML只会减少您必须编写的代码行数。
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.