解析图像src与HTML Agilty包

Question

嗨，所以我想解析一个网页与HTML Agilty包来获取图像的src。这是页面的结构。

<div class="post_body"> 
    <div style="text-align: center;"> 
     <a href="http://www.engadget.com/2012/02/29/qualcomm-windows-8/"> 
      <img src="http://www.blogcdn.com/www.engadget.com/media/2012/02/201202297192-1330536971.jpg" style="border-width: 0px; border-style: solid; margin: 4px;"> 
     </a> 
    </div> 
<div> 

现在，我使用这个代码来尝试获得SRC

HtmlWeb hw = new HtmlWeb(); 
      HtmlDocument doc = hw.Load("http://www.engadget.com/2012/02/29/qualcomm-windows-8"); 

      HtmlNode baseNode = doc.DocumentNode.SelectSingleNode("//div[@class='post_content permalink ']"); 
      string Description = baseNode.SelectSingleNode("//div[@class='post_body']").InnerText.Replace("\n", "").Replace("\r", "").Trim(); 

      string href = baseNode.SelectSingleNode("//div[@class='post_body']//img[@src]").InnerText; 

但是字符串总是被返回null：/

任何想法，也许我有一个坏的XPath表达式？

Answer 1

任何想法也许我有一个糟糕的XPath表达式？

是的，有几个问题：

//div[@class='post_content permalink '] 

这将选择什么，因为提供的文件存在于心不是一个div与class属性，它的值是'post_content permalink '

SelectSingleNode("//div[@class='post_body']//img[@src]").InnerText; 

的img元素，即使发现此类元素，也没有子元素 - 因此没有innerText。

解决方案：

你想是这样的：

HtmlNode img = doc.DocumentNode.SelectSingleNode(//div[@class='post_body']//img[@src]) 

String srcUrl = img.Attributes["src"].Value;