问题返回 <a> 链接，不包括 mailto 链接

Question

我正在使用 HTML Agility Pack 来定义一个返回网页链接的函数。问题是它返回所有链接，包括 mailto。

在程序的后期，处理链接时，mailto 链接会中断。我正在尝试消除它们包含在 _links 的函数输出列表中

我的函数定义为：

var linkNodes = _htmlDocument.Value.DocumentNode.SelectNodes("//a");
if (linkNodes == null)
    return Enumerable.Empty<Link>();

var links = new List<Link>();
foreach (var linkNode in linkNodes)
{
    var href = linkNode.GetAttributeValue("href", "#");
    if (!Uri.IsWellFormedUriString(href, UriKind.RelativeOrAbsolute))
        continue;

    var url = href.ToAbsoluteUri(Url);
    var follow = linkNode.GetAttributeValue("rel", "follow");

    links.Add(new Link(Url, url, linkNode.InnerText, follow));
}

_links = links;

我的 LINQ 几乎可以工作（在摆脱 mailto 的过程中工作，但返回字符串而不是与所使用的战斗机匹配的节点）：

var linkNodes = _htmlDocument.Value.DocumentNode.SelectNodes("//a[@href]")
                        .Select(a => a.Attributes["href"].Value)
                        .Where(href => !href.StartsWith("mailto:")) // skip emails, find only url links
                        .ToList();

Answer 1

关于选择和位置：

根据MSDN

Linq Select 将根据该集合的项目将您的集合转换为新形式。这是一个简单的例子。

IEnumerable<int> collectionOfInt = Enumerable.Range(0, 10);
IEnumerable<string> collectionOfString = collectionOfInt.Select(i => i.ToString());
IEnumerable<int> lengthOfStrings = collectionOfString.Select(str => str.Length);

首先，您有一个从 0 到 9 的 int 集合。如您所见，Select 返回一个新的字符串集合，但基于 collectionOfInt 的项目，因此您有来自 "0","1",...,"9" 的字符串。请注意，Select 的执行被延迟，因此必须使用 ToList 来实际执行该查询。

在collectionOfString 上执行Select 时也是如此。如您所见，您松开了实际的字符串，您将获得这些字符串的长度 (1,1,...,1)。

现在你的 Linq

var linkNodes = _htmlDocument.Value.DocumentNode.SelectNodes("//a[@href]")
                    .Select(a => a.Attributes["href"].Value)
                    .Where(href => !href.StartsWith("mailto:"))
                    .ToList();

同样的事情也发生在这里。您有一个节点集合，但Select(a => a.Attributes["href"].Value) 实际上会将您的节点转换为字符串集合，您将丢失实际的节点。

.Select(a => a.Attributes["href"].Value) // Changes main collection into values
.Where(href => !href.StartsWith("mailto:")) // searches on values not main collection thus returns values again.

所以你必须把它全部放在Where 部分。因为Where 不会更改集合类型。只有当某个元素的条件为真时，它才会从集合中选择元素。

根据我在上一个查询中的解释href 是a.Attributes["href"].Value。因此，为了不丢失原始元素，只需将 a.Attributes["href"].Value 包裹在 href 内，这样您就可以拥有

.Where(node => !node.Attributes["href"].Value.StartsWith("mailto:")) // searches on nodes collection thus returns nodes

关于 Null 异常部分：

Where Linq 查询不会搜索为空的项目。因此，只要前面查询中的 href 或 a.Attributes["href"].Value 为空，它就会跳过该项目而不选择它。

在您将Select 内联到Where 之后，现在只检查node 的可空性而不是函数!node.Attributes["href"].Value.StartsWith("mailto:") 的执行。

基本上因为Value 有可能为null，所以StartsWith("mailto:") 会出现无法处理null 的异常。

在 C#6 中，您可以通过混合使用 null conditional 和 Null-coalescing 运算符来解决此问题。

htmlDocument.Value.DocumentNode.SelectNodes("//a[@href]")
    .Where(node => !node.Attributes["href"].Value?.StartsWith("mailto:") ?? false).ToList();

如果Value?.的值为null，则不会继续执行StartsWith("mailto:")，而是直接返回null。

因为?. 的返回类型是nullable bool，所以当运算符左侧为空时，?? false 将返回 false。