1

正規表現を使用して html テキスト データからファイル名を抽出することがよくありますが、html データの解析には html アジリティ パックが適していると聞きました。HTML アジリティ パックを使用して、HTML データからすべての URL を抽出するにはどうすればよいですか。サンプルコードを教えてください。ありがとう。

これは正常に動作する私のコード サンプルです。

using System.Text.RegularExpressions;

private ArrayList GetFilesName(string Source)
{
    ArrayList arrayList = new ArrayList();
    Regex regex = new Regex("(?<=src=\")([^\"]+)(?=\")", 1);
    MatchCollection matchCollection = regex.Matches(Source);
    foreach (Match match in matchCollection)
    {
        if (!match.get_Value().StartsWith("http://"))
        {
                    arrayList.Add(Path.GetFileName(match.get_Value()));
                }
                match.NextMatch();
            }
            ArrayList arrayList1 = arrayList;
            return arrayList1;
        }

private string ReplaceSrc(string Source)
{
    Regex regex = new Regex("(?<=src=\")([^\"]+)(?=\")", 1);
    MatchCollection matchCollection = regex.Matches(Source);
    foreach (Match match in matchCollection)
    {
        string value = match.get_Value();
        string str = string.Concat("images/", Path.GetFileName(value));
        Source = Source.Replace(value, str);
        match.NextMatch();
    }
    string source = Source;
    return source;
}
4

2 に答える 2

2

何かのようなもの：

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

var images = doc.DocumentNode.Descendants("img")
    .Where(i => i.GetAttributeValue("src", null) != null)
    .Select(i => i.Attributes["src"].Value);

これにより、プロパティが設定されているドキュメントからすべての<img>要素が選択srcされ、これらの URL が返されます。

于 2013-03-12T15:19:47.980 に答える
0

img空でない属性を持つすべてのタグを選択しsrcます (そうしないと、属性値の取得中にNullReferenceExceptionが発生します)。

HtmlDocument html = new HtmlDocument();
html.Load(path_to_file);
var urls = html.DocumentNode.SelectNodes("//img[@src!='']")
               .Select(i => i.Attributes["src"].Value);
于 2013-03-12T15:31:21.700 に答える