c# - C# 使用 htmlagility 抓取 url

Question

好的，所以我在这个网页上有这个 URL 列表，我想知道如何获取 URL 并将它们添加到 ArrayList？

http://www.animenewsnetwork.com/encyclopedia/anime.php?list=A

我只想要列表中的 URL，查看它以了解我的意思。我自己尝试过，无论出于何种原因，它都需要所有其他 URL，除了我需要的 URL。

   http://pastebin.com/a7hJnXPP

Answer 1

使用HTML 敏捷包

using (var wc = new WebClient())
{
    HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
    doc.LoadHtml(wc.DownloadString("http://www.animenewsnetwork.com/encyclopedia/anime.php?list=A"));
    var links = doc.DocumentNode.SelectSingleNode("//div[@class='lst']")
        .Descendants("a")
        .Select(x => x.Attributes["href"].Value)
        .ToArray();
}

Answer 2

如果您只想要列表中的那些，那么下面的代码应该可以工作（假设您已经将页面加载到了HtmlDocument）

List<string> hrefList = new List<string>(); //Make a list cause lists are cool.

foreach (HtmlNode node animePage.DocumentNode.SelectNodes("//a[contains(@href, 'id=')]"))
{
    //Append animenewsnetwork.com to the beginning of the href value and add it
    // to the list.
    hrefList.Add("http://www.animenewsnetwork.com" + node.GetAttributeValue("href", "null"));
}

//a[contains(@href, 'id=')]将此 XPath 分解如下：

• //a选择所有<a>节点...
• [contains(@href, 'id=')]...包含href包含文本的属性id=。

这应该足以让你继续前进。

顺便说一句，考虑到该页面上大约有 500 个链接，我建议不要在其自己的消息框中列出每个链接。500 个链接 = 500 个消息框 :(