Question

好的，我在这个网页上有这个URL列表，我想知道如何获取URL并将它们添加到ArrayList中？

http://www.animenewsnetwork.com/encyclopedia/anime.php?list=A

我只想要列表中的URL，看看它是什么意思。我尝试自己做，无论出于何种原因，它除了我需要的所有其他URL之外。

   http://pastebin.com/a7hJnXPP

Answer 1

使用Html Agility Pack

using (var wc = new WebClient())
{
    HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
    doc.LoadHtml(wc.DownloadString("http://www.animenewsnetwork.com/encyclopedia/anime.php?list=A"));
    var links = doc.DocumentNode.SelectSingleNode("//div[@class='lst']")
        .Descendants("a")
        .Select(x => x.Attributes["href"].Value)
        .ToArray();
}

Answer 2

如果你只想要列表中的那些，那么下面的代码应该有用（假设你已经将页面加载到HtmlDocument中）

List<string> hrefList = new List<string>(); //Make a list cause lists are cool.

foreach (HtmlNode node animePage.DocumentNode.SelectNodes("//a[contains(@href, 'id=')]"))
{
    //Append animenewsnetwork.com to the beginning of the href value and add it
    // to the list.
    hrefList.Add("http://www.animenewsnetwork.com" + node.GetAttributeValue("href", "null"));
}

//a[contains(@href, 'id=')]按如下方式打破此XPath：

//a选择所有<a>个节点...
[contains(@href, 'id=')] ...包含href属性，其中包含文字id=。

这应该足以让你前进。

顺便说一下，考虑到该页面上有大约500个链接，我建议不要在其自己的消息框中列出每个链接。 500个链接= 500个消息框:(

C＃使用html敏捷性抓取网址

2 个答案: