Question

我目前正在编写一个非常基本的程序，首先要通过网站的html代码查找所有RSS链接，然后将RSS链接放入数组并将链接的每个内容解析为现有的XML文件。

但是，我还在学习C＃，我对所有课程并不熟悉。我已经在PHP中完成了所有这些，通过使用get_file_contents（）编写自己的类，并且使用cURL来完成工作。我还设法用Java来解决它。无论如何，我试图通过使用C＃来完成相同的结果，但我认为我在这里做错了。

TLDR;编写正则表达式以查找网站上所有RSS链接的最佳方法是什么？

到目前为止，我的代码看起来像这样：

        private List<string> getRSSLinks(string websiteUrl)
    {
        List<string> links = new List<string>();
        MatchCollection collection = Regex.Matches(websiteUrl, @"(<link.*?>.*?</link>)", RegexOptions.Singleline);

        foreach (Match singleMatch in collection)
        {
            string text = singleMatch.Groups[1].Value;
            Match matchRSSLink = Regex.Match(text, @"type=\""(application/rss+xml)\""", RegexOptions.Singleline);
            if (matchRSSLink.Success)
            {
                links.Add(text);
            }
        }

        return links;
    }

Answer 1

不要使用Regex来解析html。使用html解析器代替this link查看说明

我更喜欢HtmlAgilityPack来解析htmls

using (var client = new WebClient())
{
    HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
    doc.LoadHtml(client.DownloadString("http://www.xul.fr/en-xml-rss.html"));

    var rssLinks = doc.DocumentNode.Descendants("link")
        .Where(n => n.Attributes["type"] != null && n.Attributes["type"].Value == "application/rss+xml")
        .Select(n => n.Attributes["href"].Value)
        .ToArray();
}

获取网站上的所有RSS链接

1 个答案: