Question

我正在尝试从不同的网站获取PDF链接列表。首先，我使用Web客户端类下载页面源。然后我使用sgmlReader将HTML转换为XML。所以对于一个特定的网站，我会得到一个看起来像这样的标签：

<p><a href="pub/1985_to_1997_Board_Action_Summary.pdf">1985 to 1997 Board Action Summary</a></p>

我需要获取包含“.pdf”的所有链接。显然并非所有网站都是相同的，所以只搜索<p>标签，不够动态。我宁愿不使用linq，但如果必须，我会的。提前致谢。

Answer 1

Linq让这很容易......

var hrefs = doc.Root.Descendants("a")
    .Where(a => a.Attrib("href").Value.ToUpper().EndsWith(".PDF"))
    .Select(a => a.Attrib("href"));

你离开了！（注意：这是从内存中做到的，所以你可能需要稍微修复一下）

对于没有<a/>（锚点）的href代码，这会分解，但你可以肯定地解决这个问题......

Answer 2

我认为你有2种选择。如果只需要链接，则可以使用正则表达式查找以.pdf结尾的字符串的匹配项。如果您需要操作XML结构或从XML获取其他值，最好使用XmlDocument并使用XPath查询找出其中包含pdf文件链接的节点。使用LINQ to XML只会减少您必须编写的代码行数。