c# - 使用 C#，如何检测断开的链接或标记？

Question

我有一个语法不正确的 HTML 文件，我正在用 HTML Agility Pack 解析它.

但是如果我有一个像

这样的链接

<a href="http://google.com/!/!!!">Google</a>

这是一个问题，有没有一种可能的方法来检测损坏的链接，以便在发现错误时(该链接上没有可用页面)应用程序将该链接存储在列表中并返回它？

同样的标签问题，例子:

<img hhh="jjj"/>

这里图片标签全错了，这个也应该在'errors for repair'列表中。

提前致谢。

Answer 1

你需要遍历Document.DocumentNode.Descendants("a")并检查是否href标签有问题。

同样，你可以遍历Document.DocumentNode.Descendants("img")并检查 src属性。

编辑:

要检查不良属性，您可以维护一个 Dictionary<string, IEnumerable<string>>将标记名称映射到有效属性，然后使用 LINQ 查找缺失的属性，如下所示:

from tag in Document.DocumentNode.Descendants()
let legalAttributes = allAttributes[tag.TagName]
from attribute in tag.Attributes
where !legalAttributes.Contains(attribute.Name, StringComparer.OrdinalIgnoreCase)
select new { Tag = tag.OuterHtml, Attribute = attribute.Name }