C# 如何使用Html Agility Pack获取img/src或a/hrefs？

我想使用HTML agility pack解析HTML页面上的图像和href链接，但我对XML或XPath知之甚少。虽然在许多网站上查找了帮助文档，但我无法解决这个问题。此外，我在VisualStudio 2005中使用了C。而且我不能流利地说英语，所以，我衷心感谢能够编写一些有用代码的人。

主页上的功能与此非常相似，但请考虑：

 HtmlDocument doc = new HtmlDocument();
 doc.Load("file.htm"); // would need doc.LoadHtml(htmlSource) if it is not a file
 foreach(HtmlNode link in doc.DocumentElement.SelectNodes("//a[@href"])
 {
    string href = link["href"].Value;
    // store href somewhere
 }

所以你可以想象img@src，只需将每个

a

替换为

img

，将

href

替换为

src

。 您甚至可以简化为：

 foreach(HtmlNode node in doc.DocumentElement
              .SelectNodes("//a/@href | //img/@src")
 {
    list.Add(node.Value);
 }

---

有关相对url处理，请查看

Uri

类。

示例和接受的答案是错误的。它不使用最新版本编译。我试着做点别的：

    private List<string> ParseLinks(string html)
    {
        var doc = new HtmlDocument(); 
        doc.LoadHtml(html);
        var nodes = doc.DocumentNode.SelectNodes("//a[@href]");
        return nodes == null ? new List<string>() : nodes.ToList().ConvertAll(
               r => r.Attributes.ToList().ConvertAll(
               i => i.Value)).SelectMany(j => j).ToList();
    }

私有列表解析链接（字符串html）
{
var doc=新的HtmlDocument（）；
doc.LoadHtml（html）；
var nodes=doc.DocumentNode.SelectNodes（“//a[@href]”）；
返回节点==null？新列表（）：nodes.ToList（）.ConvertAll(
r=>r.Attributes.ToList（）.ConvertAll(
i=>i.Value））.SelectMany（j=>j.ToList（）；
}

---

这对我很有用。

也许我在这里发布答案太迟了。以下几点对我很有用：

var MainImageString  = MainImageNode.Attributes.Where(i=> i.Name=="src").FirstOrDefault();

---

您还需要考虑文档基URL元素（

）和协议相关URL（例如

//www.foo.com/bar/

）

有关更多信息，请查看：

• 关于MDN的页面
• 保罗·爱尔兰的文章
• 关于堆栈溢出的讨论
• MSDN页面
• 讨论无堆栈溢出

资料来源：

---

还有，Html Agility Pack可以解决相对路径问题吗？我得到一个错误：1.4.0.0版HTMLDocumentPack foreach的HtmlDocument对象中不存在DocumentElement（doc.DocumentNode.SelectNodes中的HtmlNode链接（“//a[@href]”）{HtmlAttribute att=link.Attributes[“href]”）；

var htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(html);

string name = htmlDoc.DocumentNode
    .SelectNodes("//td/input")
    .First()
    .Attributes["value"].Value;