Question

我正在尝试开发我的第一个RSS新闻聚合器。我可以轻松地从RSSItem对象中提取链接，标题，发布日期。但是，我很难从Feed项中提取图像。不幸的是，由于我的SO声誉很低，我无法上传图片，所以请告诉我如何获取href attr的值，而不是帮我提取<img>的src属性的值。 <a>标记。高度评价!!

这是字符串

<div style="text-align: center;"
    <a href="http://www.engadget.com/2011/07/10/element5s-mini-l-solarbag-brings-eco-friendly-energy-protectio/"></a>
</div>

编辑：

也许整个标题都错了。有没有办法可以使用XPath找到值？

Answer 1

使用HTMLAgilityPack，如本文所述：

How can I get values from Html Tags?

更多信息：

Html可能格式不正确，因此我们需要另一个更容错的解析器（除了.net中提供的XML之外）。这就是HTMLAgilityPack的用武之地。

入门：

创建新的控制台应用程序
右键单击引用/管理nuget包（如果没有，请安装NuGet）。
添加html敏捷性

一个工作示例：

        using System;
        using System.IO;
        using System.Text;
        using HtmlAgilityPack;

        namespace ConsoleApplication4
        {
            class Program
            {
                private const string html = 
        @"<?xml version=""1.0"" encoding=""ISO-8859-1""?>
        <div class='linkProduct' id='link' anattribute='abc'/>
         <bookstore>
         <book>
           <title lang=""eng"">Harry Potter</title>
           <price>29.99</price>
         </book>
         <book>
           <title lang=""eng"">Learning XML</title>
           <price>39.95</price>
         </book>
         </bookstore>
        ";

                static void Main(string[] args)
                {
                    HtmlDocument doc = new HtmlDocument();
                    byte[] byteArray = Encoding.ASCII.GetBytes(html); MemoryStream stream = new MemoryStream(byteArray);
                    var ts = new MemoryStream(byteArray);
                    doc.Load(ts);
                    var root = doc.DocumentNode;
                    var tag = root.SelectSingleNode("/div");
                    var attrib = tag.Attributes["anattribute"];
                    Console.WriteLine(attrib.Value);
                }
            }
        }

进一步说明：

擅长XPath。这是一个很好的起点。

http://www.w3schools.com/xpath/xpath_syntax.asp

如何提取html标签属性？

1 个答案: