如何使用 Html Agility Pack 获取 img/src 或 a/hrefs？

Question

我想使用 HTML 敏捷包来解析 HTML 页面中的图像和 href 链接，但我对 XML 或 XPath 不太了解。虽然在许多网站上查找了帮助文档，但我无法解决另外，我在VisualStudio 2005中使用C#，而且我的英语说得不太流利，所以，我要对能写出一些有用代码的人致以诚挚的谢意。

Answer 1

主页上的第一个示例的作用非常相似，但请考虑：

HtmlDocument doc = new HtmlDocument();
doc.Load("file.htm"); // would need doc.LoadHtml(htmlSource) if it is not a file
doc.OptionEmptyCollection = true; // avoid null reference exception
foreach (HtmlNode link in doc.DocumentNode.SelectNodes("//a[@href]"))
{
   string href = link.Attributes["href"].Value;
   // store href somewhere
}

所以你可以想象一下，对于 img@src，只需将每个 a 替换为 img，将 href 替换为 src。
您甚至可以简化为：

foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//a/@href | //img/@src"))
{
    HtmlAttribute href = node.Attributes["href"];
    HtmlAttribute src = node.Attributes["src"];
    list.Add((href ?? src).Value);
}

对于相对 url 处理，请查看 Uri 类。

Answer 2

这个例子和接受的答案是错误的。它无法使用最新版本进行编译。我尝试其他方法：

    private List<string> ParseLinks(string html)
    {
        var doc = new HtmlDocument(); 
        doc.LoadHtml(html);
        var nodes = doc.DocumentNode.SelectNodes("//a[@href]");
        return nodes == null ? new List<string>() : nodes.ToList().ConvertAll(
               r => r.Attributes.ToList().ConvertAll(
               i => i.Value)).SelectMany(j => j).ToList();
    }

这对我有用。

Answer 3

也许我来得太晚了，无法发表答案。以下对我有用：

var MainImageString  = MainImageNode.Attributes.Where(i=> i.Name=="src").FirstOrDefault();

Answer 4

var htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(html);

string name = htmlDoc.DocumentNode
    .SelectNodes("//td/input")
    .First()
    .Attributes["value"].Value;

来源：
https://html-agility-pack.net/select-nodes

Answer 5

您还需要考虑文档基本 URL 元素 () 和协议相对 URL（例如 //www.foo.com/bar/） 。

有关详细信息，请检查：

• ：文档基本 URL MDN 上的元素 页面
• 协议相对 URL Paul Irish 的文章
• html 标记有哪些建议？ StackOverflow 上的讨论
• Uri 构造函数 (Uri, Uri)< MSDN 上的 /a> 页面
• Uri 类不处理相对协议URL 讨论没有 StackOverflow

Answer 6

较晚发布，但这是对已接受答案的 2021 年更新（修复了 HtmlAgilityPack 所做的重构。

    var htmlDoc = new HtmlDocument();
    htmlDoc.LoadHtml(html);
    string command = "";

    // The Xpath below gets images.  
    // It is specific to a site.  Yours will vary ...
    command = "//a[contains(concat(' ', @class, ' '), 'product-card')]//img";  
    List<string> listImages=new();
    foreach(HtmlNode node in doc.DocumentNode.SelectNodes(command))
    {
        //  Using "data-src" below, but it may be "src" for you
        listImages.Add(node.Attributes["data-src"].Value);
    }