如何验证网页上是否存在超链接？

发布于 2024-09-18 15:59:40 字数 1433 浏览 1 评论 0原文

我需要验证给定网页上是否存在特定的超链接。我知道如何下载 HTML 源代码。我需要帮助的是确定“目标”网址是否作为“源”网页中的超链接存在。

这是一个演示该问题的小控制台程序：

public static void Main()
{
    var sourceUrl = "http://developer.yahoo.com/search/web/V1/webSearch.html";
    var targetUrl = "http://developer.yahoo.com/ypatterns/";
    Console.WriteLine("Source contains link to target? Answer = {0}",
                      SourceContainsLinkToTarget(
                          sourceUrl,
                          targetUrl));
    Console.ReadKey();
}

private static bool SourceContainsLinkToTarget(string sourceUrl, string targetUrl)
{
    string content;
    using (var wc = new WebClient())
        content = wc.DownloadString(sourceUrl);
    return content.Contains(targetUrl); // Need to ensure this is in a <href> tag!
}

注意最后一行的注释。我可以查看目标 URL 是否存在于源 URL 的 HTML 中，但我需要验证 URL 是否位于标记内。这样我就可以验证它实际上是一个超链接，而不仅仅是文本。

我希望有人能有一个强大的正则表达式或我可以使用的东西。

谢谢！

这是使用 HtmlAgilityPack 的解决方案：

   private static bool SourceContainsLinkToTarget(string sourceUrl, string targetUrl)
    {
        var doc = (new HtmlWeb()).Load(sourceUrl);
        foreach (var link in doc.DocumentNode.SelectNodes("//a[@href]"))
            if (link.GetAttributeValue("href",
                                       string.Empty).Equals(targetUrl))
                return true;
        return false;
    }

原文

I have a need to verify a specific hyperlink exists on a given web page. I know how to download the source HTML. What I need help with is figuring out if a "target" url exists as a hyperlink in the "source" web page.

Here is a little console program to demonstrate the problem:

public static void Main()
{
    var sourceUrl = "http://developer.yahoo.com/search/web/V1/webSearch.html";
    var targetUrl = "http://developer.yahoo.com/ypatterns/";
    Console.WriteLine("Source contains link to target? Answer = {0}",
                      SourceContainsLinkToTarget(
                          sourceUrl,
                          targetUrl));
    Console.ReadKey();
}

private static bool SourceContainsLinkToTarget(string sourceUrl, string targetUrl)
{
    string content;
    using (var wc = new WebClient())
        content = wc.DownloadString(sourceUrl);
    return content.Contains(targetUrl); // Need to ensure this is in a <href> tag!
}

Notice the comment on the last line. I can see if the target URL exists in the HTML of the source URL, but I need to verify that URL is inside of a <href/> tag. This way I can validate it's actually a hyperlink, instead of just text.

I'm hoping someone will have a kick-ass regular expression or something I can use.

Thanks!

Here is the solution using the HtmlAgilityPack:

   private static bool SourceContainsLinkToTarget(string sourceUrl, string targetUrl)
    {
        var doc = (new HtmlWeb()).Load(sourceUrl);
        foreach (var link in doc.DocumentNode.SelectNodes("//a[@href]"))
            if (link.GetAttributeValue("href",
                                       string.Empty).Equals(targetUrl))
                return true;
        return false;
    }

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

远昼 2024-09-25 15:59:40

最好的方法是使用带有内置 DOM 解析器的网页抓取库，它将根据 HTML 构建对象树，并让您以编程方式探索它以查找您要查找的链接实体。有很多可用的 - 例如 Beautiful Soup (python) 或 scrapi (ruby) 或 Mechanize (perl)。对于 .net，请尝试 HTML 敏捷包。 http://htmlagilitypack.codeplex.com/

回复收藏 0 原文

~没有更多了~