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页面中的图片和href链接，但我对XML或XPath知之甚少。尽管在许多网站上查找帮助文档，但我无法解决问题。此外，我在VisualStudio 2005中使用C＃，而且我不能流利地说英文，所以，我会衷心感谢能写出一些有用的代码。

Answer 1

主页上的​​做一些非常相似，但考虑：

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

所以你可以想象，对于IMG SRC @，只需更换每个a与img，并且href与src。 你甚至可以简化为：

foreach(HtmlNode node in doc.DocumentElement 
       .SelectNodes("//a/@href | //img/@src") 
{ 
    list.Add(node.Value); 
} 

相对URL处理，看看Uri类。

Answer 2

该示例和接受的答案是错误的。它不会用最新版本进行编译。我尝试别的：

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

也许我太迟了，在这里发表一个答案。以下为我工作：

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