如何使用 htmlagilitypack 从带有 html 内容的字符串中提取链接？答案

【问题标题】：How can i extract links from string with html content using htmlagilitypack?如何使用 htmlagilitypack 从带有 html 内容的字符串中提取链接？
【发布时间】：2015-10-04 21:31:50
【问题描述】：

for (int i = 0; i < numberoflinks; i++)
{
    string downloadString = client.DownloadString(mainlink+i+".html");
    var document = new HtmlWeb().Load(url);
    var urls = document.DocumentNode.Descendants("img")
                        .Select(e => e.GetAttributeValue("src", null))
                        .Where(s => !String.IsNullOrEmpty(s))
}

问题是 HtmlWeb().Load 需要一个 html url，但我想加载其中已经包含 html 内容的字符串 downloadString。

更新：

我现在试过了：

for (int i = 0; i < numberoflinks; i++)
            {

                string downloadString = client.DownloadString(mainlink+i+".html");
                HtmlAgilityPack.HtmlDocument document = new HtmlAgilityPack.HtmlDocument();
                document.Load(downloadString);
                var urls = document.DocumentNode.Descendants("img")
                                                .Select(e => e.GetAttributeValue("src", null))
                                                .Where(s => !String.IsNullOrEmpty(s));
            }

但是我遇到了异常：

document.Load(downloadString);

路径中有非法字符

我要做的是从每个链接下载/提取所有 .JPG 图像。无需先将 url 下载到硬盘，而是将内容下载到字符串中提取此 html 中所有以 .JPG 结尾的图像链接，然后下载 JPG。

【问题讨论】：

标签： c# .net winforms html-agility-pack

【解决方案1】：

您应该能够使用HtmlDocument 的LoadHtml() 方法处理HTML 字符串。

来自源代码：

public void LoadHtml(string html)

从指定的字符串加载 HTML 文档。

param name="html"

包含要加载的 HTML 文档的字符串。不能为空。

Load 方法需要一个文件名，这就是关于 illegal characters in path 的消息的原因。

【讨论】：