Question

我一直在使用HtmlAgilityPack抓取一个网站，但是我需要链接以正确的格式打印出来。在页面上，我正在抓取一些链接，其中包括在链接开头的正确“ https：// ...”格式，但是，大多数链接都以其他方式开头。

例如，一些链接以“ / xxx”开头或仅以“ .//”开头。有什么方法可以对我抓取的链接进行排序，并在其之前打印以正确的“ https：//”格式开头的链接？

当前我的代码如下：

var hg = doc.DocumentNode.SelectNodes("//body[@class]");

//Sort through list and print
foreach (var node in hg)
{
foreach(HtmlNode node2 in node.SelectNodes(".//a[@href]")) 
{
    string attributeValue = node2.GetAttributeValue("href", "");
          if (attributeValue[0:7] != "https://")
   {
    Console.WriteLine("https://url/" + node2.Attributes["href"].Value);
   }
}
}
Console.ReadLine();

我一直在尝试使用attributeValue字符串的索引来查看链接的开头，但是不断出现错误消息，告诉我我不能在此处使用索引。也许有更好的方法来检查我不知道的链接的开头？

我是C＃的新手，非常感谢您理解此问题！

Answer 1

尝试使用StartsWith来尝试索引字符串

var hg = doc.DocumentNode.SelectNodes("//body[@class]");

//Sort through list and print
foreach (var node in hg)
{
  foreach(HtmlNode node2 in node.SelectNodes(".//a[@href]")) 
  {
      string attributeValue = node2.GetAttributeValue("href", "");
            if (!attributeValue.StartsWith("https://"))
     {
      Console.WriteLine("https://url/" + node2.Attributes["href"].Value);
     }
  }
}
Console.ReadLine();

使用HtmlAgilityPack以正确的格式打印链接

1 个答案: