C# 从C语言的HTML代码中获取带有特定单词的链接#

我正在尝试解析一个网站。我需要在HTML文件，其中包含一些特定的单词一些链接。我知道如何查找“href”属性，但我不需要所有属性，是否有必要这样做？例如，我可以在HtmlAgilityPack中使用正则表达式吗

HtmlNode links = document.DocumentNode.SelectSingleNode("//*[@id='navigation']/div/ul");

foreach (HtmlNode urls in document.DocumentNode.SelectNodes("//a[@]"))
{
    this.dgvurl.Rows.Add(urls.Attributes["href"].Value);
}   

---

我试着用这个来查找HTML代码中的所有链接。

我发现这个和那个对我都有用

HtmlNode links = document.DocumentNode.SelectSingleNode("//*[@id='navigation']/div/ul");
    foreach (HtmlNode urls in document.DocumentNode.SelectNodes("//a[@]"))
        {
           var temp = catagory.Attributes["href"].Value;
           if (temp.Contains("some_word"))
              {
                dgv.Rows.Add(temp);
              }
        }

---

如果您有如下HTML文件：

<div class="a">
    <a href="http://www.website.com/"></a>
    <a href="http://www.website.com/notfound"></a>
    <a href="http://www.website.com/theword"></a>
    <a href="http://www.website.com/sub/theword"></a>
    <a href="http://www.website.com/theword.html"></a>
    <a href="http://www.website.com/other"></a>
</div>

Regex regex = new Regex("(theworld|other)", RegexOptions.IgnoreCase);

HtmlNode node = htmlDoc.DocumentNode.SelectSingleNode("//div[@class='a']");
List<HtmlNode> nodeList = node.SelectNodes(".//a").Where(a => regex.IsMatch(a.Attributes["href"].Value)).ToList<HtmlNode>();

List<string> urls = new List<string>();

foreach (HtmlNode n in nodeList)
{
    urls.Add(n.Attributes["href"].Value);
}

node.SelectNodes(".//a[matches(@href,'(theword|other)')]")

请注意，有一个带有XPATH的

包含
关键字，但您必须为正在搜索的每个单词复制条件，如下所示：

node.SelectNodes(".//a[contains(@href,'theword') or contains(@href,'other')]")

XPATH还有一个
匹配
关键字，不幸的是，它仅适用于XPath2.0，而HtmlAgilityPack使用XPath1.0。使用XPATH 2.0，您可以执行以下操作：

<div class="a">
    <a href="http://www.website.com/"></a>
    <a href="http://www.website.com/notfound"></a>
    <a href="http://www.website.com/theword"></a>
    <a href="http://www.website.com/sub/theword"></a>
    <a href="http://www.website.com/theword.html"></a>
    <a href="http://www.website.com/other"></a>
</div>

Regex regex = new Regex("(theworld|other)", RegexOptions.IgnoreCase);

HtmlNode node = htmlDoc.DocumentNode.SelectSingleNode("//div[@class='a']");
List<HtmlNode> nodeList = node.SelectNodes(".//a").Where(a => regex.IsMatch(a.Attributes["href"].Value)).ToList<HtmlNode>();

List<string> urls = new List<string>();

foreach (HtmlNode n in nodeList)
{
    urls.Add(n.Attributes["href"].Value);
}

node.SelectNodes(".//a[matches(@href,'(theword|other)')]")

HtmlNode links=…”的目的是什么？是否应删除该声明？