修改

Question

我刚下载了HTMLAgilityPack，文档中没有任何示例。

我正在寻找一种从网站下载所有图片的方法。地址字符串，而不是物理图像。

<img src="blabalbalbal.jpeg" />

我需要提取每个img标签的来源。我只是想了解图书馆及其提供的内容。每个人都说这是这项工作的最佳工具。

修改

public void GetAllImages()
    {
        WebClient x = new WebClient();
        string source = x.DownloadString(@"http://www.google.com");

        HtmlAgilityPack.HtmlDocument document = new HtmlAgilityPack.HtmlDocument();
        document.Load(source);

                         //I can't use the Descendants method. It doesn't appear.
        var ImageURLS = document.desc
                   .Select(e => e.GetAttributeValue("src", null))
                   .Where(s => !String.IsNullOrEmpty(s));        
    }

Answer 1

您可以使用LINQ执行此操作，如下所示：

var document = new HtmlWeb().Load(url);
var urls = document.DocumentNode.Descendants("img")
                                .Select(e => e.GetAttributeValue("src", null))
                                .Where(s => !String.IsNullOrEmpty(s));

编辑：此代码现在确实有效;我忘了写document.DocumentNode。

Answer 2

基于他们的一个例子，但是修改了XPath：

 HtmlDocument doc = new HtmlDocument();
 List<string> image_links = new List<string>();
 doc.Load("file.htm");
 foreach(HtmlNode link in doc.DocumentElement.SelectNodes("//img"))
 {
    image_links.Add( link.GetAttributeValue("src", "") );
 }

我不知道这个扩展名，所以我不确定如何将数组写到其他地方，但这至少可以为您提供数据。（另外，我没有正确定义数组，我很确定。抱歉）。

修改

使用您的示例：

public void GetAllImages()
    {
        WebClient x = new WebClient();
        string source = x.DownloadString(@"http://www.google.com");

        HtmlAgilityPack.HtmlDocument document = new HtmlAgilityPack.HtmlDocument();
        List<string> image_links = new List<string>();
        document.Load(source);

        foreach(HtmlNode link in document.DocumentElement.SelectNodes("//img"))
        {
          image_links.Add( link.GetAttributeValue("src", "") );
       }


    }

如何使用HTML Agility Pack检索网站上的所有图像？

2 个答案:

修改