Question

我正在研究一个网络刮刀。以下文本显示了此问题末尾给出的代码的结果，该代码获取了页面中所有href的值。

我只想获取包含docid=

的值

的index.php？的pageid = a45475a11ec72b843d74959b60fd7bd64556e8988583f

＃

summary_of_documents.php

的index.php？的pageid = a45475a11ec72b843d74959b60fd7bd64579b861c1d7b

＃

的index.php的pageid = a45475a11ec72b843d74959b60fd7bd64579e0509c7f0＆安培; apform =司法

decisions.php？doctype =决定/签名   决议＆安培;文档ID = 1263778435388003271＃SAM

decisions.php？doctype =决定/签名   决议＆安培;文档ID =＃12637789021669321156 SAM

？doctype =决定/签署的决议和年份= 1986年和月份= 1月#head

？doctype =决定/签署的决议和年份= 1986年和月份= 2月#head

以下是代码：

        string url = urlTextBox.Text;
        string sourceCode = Extractor.getSourceCode(url);

        HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
        doc.LoadHtml(sourceCode);
        List<string> links = new List<string>();

        if (links != null)
        {
            foreach (HtmlAgilityPack.HtmlNode nd in doc.DocumentNode.SelectNodes("//a[@href]"))
            {
                links.Add(nd.Attributes["href"].Value);
            }
        }
        else
        {
            MessageBox.Show("No Links Found");
        }

        if (links != null)
        {
            foreach (string str in links)
            {
                richTextBox9.Text += str + "\n";
            }
        }
        else
        {
            MessageBox.Show("No Link Values Found");
        }

我该怎么做？

Answer 1

为什么不直接替换它：

links.Add(nd.Attributes["href"].Value);

用这个：

if (nd.Attributes["href"].Value.Contains("docid="))
    links.Add(nd.Attributes["href"].Value);

HTML Agility Pack - 过滤Href值结果

1 个答案: