如何从 C# 中的 html 文件中提取 html 链接？答案

【问题标题】：How to extract html links from html file in C#?如何从 C# 中的 html 文件中提取 html 链接？
【发布时间】：2010-02-25 17:23:48
【问题描述】：

谁能帮助我解释如何从 C# 中的 HTML 文件中提取 url/链接

【问题讨论】：

这应该是个骗子。
查看stackoverflow.com/questions/846994/how-to-use-html-agility-pack

标签： c# .net html

【解决方案1】：

看Html Agility Pack

HtmlDocument doc = new HtmlDocument(); 
doc.Load("file.htm");  
foreach(HtmlNode link in doc.DocumentNode.SelectNodes("//a[@href]")) 
{
    HtmlAttribute att = link.Attributes["href"];
    yourList.Add(att.Value)  
}  
doc.Save("file.htm");

【讨论】：

这样做。使用 RegEx 解析 HTML 可能是一项非常繁琐的任务，Html Agility Pack 将为您节省大量时间。
同意，HTML 敏捷包是可行的方法。
为 Html Agility 包加分！

【解决方案2】：

使用 HTMLAgility 包...

    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();
    }

它对我有用。

【讨论】：

【解决方案3】：

您可以使用 HTQL COM 对象并使用查询来查询页面： :href

HTQLCOMLib.HtqlControl h = new HTQLCOMLib.HtqlControl();
string page = "<html><body><a href='test1.html'>test1</a><a href='test2.html'>test2</a> </body></html>";
h.setSourceData(page, page.Length);
h.setQuery("<a>: href ");
for (h.moveFirst(); 0 == h.isEOF(); h.moveNext() )
{
     MessageBox.Show(h.getValueByIndex(1));
}

它将显示以下消息：

test1.html

test2.html

【讨论】：