XML：使用C＃搜索特定文本的元素

Question

我正在嘗試從不同的網站獲取PDF鏈接列表。 首先，我使用Web客戶端類下載頁面源。 然后我使用sgmlReader將HTML轉換為XML。 所以對於一個特定的網站，我會得到一個看起來像這樣的標簽：

<p><a href="pub/1985_to_1997_Board_Action_Summary.pdf">1985 to 1997 Board Action Summary</a></p>

我需要獲取包含“.pdf”的所有鏈接。 顯然並非所有網站的布局都相同，所以只搜索<p>標簽，不夠動態。 我寧願不使用linq，但如果必須，我會的。 提前致謝。

Answer 1

Linq讓這很容易......

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：這是從內存中做到的，所以你可能需要稍微修復一下）

這將分解沒有href （錨點）的<a/>標簽，但你可以肯定地解決這個問題......

Answer 2

我想你有兩個選擇。 如果只需要鏈接，則可以使用正則表達式查找以.pdf結尾的字符串的匹配項。 如果您需要操作XML結構或從XML獲取其他值，最好使用XmlDocument並使用XPath查詢找出其中包含pdf文件鏈接的節點。 使用LINQ to XML只會減少您必須編寫的代碼行數。