Question

我正在尝试在页面上找到链接到某个域的任何链接，然后获取链接href标记。

目前我正在这样做：

foreach(HtmlAgilityPack.HtmlNode link in entryNode.SelectNodes("//a[@href='*site.com*']"))
{
    MessageBox.Show(imageLink.InnerHtml);
}

但我得到了这个例外：

对象引用未设置为对象的实例。

我也试过//a[@href=*site.com*]没有运气，它说这是一个无效的令牌。

我需要在页面上找到链接到某个域的任何链接的XPath表达式是什么？另外，我将如何提取它们的href属性（如果可能，在相同的XPath表达式中）。

感谢。

Answer 1

XPath有一个contains方法，所以它就像这样简单：

var urls = new List<Uri>();
var url = new Uri("http://stackoverflow.com/questions/12131954/");
using (var client = new WebClient())
{
  var doc = new HtmlDocument();
  doc.Load(client.OpenRead(url));
  var links = doc.DocumentNode.SelectNodes("//a[contains(@href,'stackoverflow.com')]");
  foreach (var link in links)
  {
    var uri = new Uri(url, link.Attributes["href"].Value); //fixes relative Urls
    if (uri.Scheme.StartsWith("http"))
    {
      urls.Add(uri);
    }
  }
  Console.WriteLine(urls);
}

或者您可以使用Linq获取链接

var links = doc.DocumentNode.Descendants("a")
  .Where(a => a.Attributes["href"] != null
      && a.Attributes["href"].Value.ToLower().Contains("stackoverflow.com"));

此外，您似乎要从子节点进行匹配，如果要使用相同的XPath，则必须在字符串.//a[]的开头添加一个点

抓取链接到某个网站的锚元素

1 个答案: