C# 在大量HTML文件中重写动态URL

我正在进行一个从传统内部网到新产品的迁移项目

所有的html文件都存储在一个文件系统中，但会被放入一个数据库，我已经清理了很多html，现在我需要做的是重写URL，以便它们继续工作

目前，我们有数千个带有查询字符串链接的文件，如下所示：

<a href="site.get?section&PAGE277">Hanoi</a>
<a href="site.get?section&PAGE278">Ho Chi Minh City</a>
<a href="site.get?section&PAGE245">Hong Kong</a>

我需要一些东西来改变所有链接，使其看起来像：

<a href="/sites/pages/PAGE277.aspx">Hanoi</a>
<a href="/sites/pages/PAGE278.aspx">Ho Chi Minh City</a>
<a href="/sites/pages/PAGE245.aspx">Hong Kong</a>

该数字将始终为三位数

我已经在HTML中做了很多其他的转换，但是在这个转换上遇到了困难

有什么想法吗

提前谢谢

编辑：页面将迁移到SharePoint，因此将存储在SharePoint内容数据库中供内部使用

编辑2：

这解决了问题，但能做得更整洁吗

public static string ReplacePageUrl(string content)
{
    string updatedContent = content;

    for (int i = 1; i < 1000; i++)
    {
        updatedContent = updatedContent.Replace("site.get?section&PAGE" + i.ToString("D3"),
            "href=\"/sites/pages/page" + i.ToString("D3") + ".aspx");
    }

    return updatedContent;
}

publicstaticstringreplacepageurl（字符串内容）
{
字符串updatedContent=内容；
对于（int i=1；i<1000；i++）
{
updatedContent=updatedContent.Replace（“site.get？节和页”+i.ToString（“D3”），
“href=\”/sites/pages/page“+i.ToString（“D3”）+”.aspx”）；
}
返回更新的内容；
}

修改数据库并保留数据库的单个实例是非常危险的，而且可能容易出错，如果您正在修改URL，请尝试以下场景：

执行301重定向：

永久移动的HTTP响应状态代码301用于 永久重定向，表示使用URL的当前链接或记录 接收到的301永久移动响应应为 更新到响应位置字段中提供的新URL。-Wikipedia

通过这样做，你不会失去你在当前页面上的排名，也不会影响SEO

创建新内容或将其复制到另一个数据库

一旦您有了url列表，您将重定向，您可以在此数据库（新的url结构）上执行url更改，然后您可以分析和研究重定向，并在没有断开链接的情况下对此数据库进行所有必要的修改

测试重定向

• 我建议您在产品投入生产之前测试重定向（这听起来很明显，不是吗），但请确保您正在修改本地ETC文件系统，以将应用程序的域指向127.0.0.1 ip

• 在google上运行几个测试，将您正在测试的url模式写入google查询，如“page1.aspx？param=1”站点：yourdomain.com，然后尝试每个模式/重定向，以确保一切正常

我认为这是一种更安全的工作方式，它可以让你灵活地至少错过几个链接，而不会出现断开的链接

编辑：

如果您需要替换或修改HTML，这是您唯一关心的问题，我建议您使用您可以对HTML元素执行linq查询，执行过滤器、元素修改，这将使您的场景更加简单

大概是这样的：

var links = html.DocumentNode
           .Descendants("tr")
           .Where(tr => tr.GetAttributeValue("class", "").Contains("alt"))
           .SelectMany(tr => tr.Descendants("a"))
           .ToArray();

我建议用记事本++（）替换文件中的文本

然后，您可以将“在文件中替换”函数与正则表达式一起使用

在“查找/替换”框中启用正则表达式后，替换此：

<a href="site\.get\?section&(.*)">(.*)</a>

为此：

<a href="/sites/pages/\1\.aspx">\2</a>

是否要替换html文件中的文本？是的，我正在使用StreamReader将html读入字符串，然后我从中创建一个SharePoint.aspx页面，但需要删除JavaScripts等。这不是一个问题。感谢详细回答，这是一个内部网，尽管SEO并不重要，所有页面都将创建为SharePoint页面，因此驻留在SharePoint内容数据库中我已经更新了我的答案，也许它可以帮助您完成未来的工作！