c# - 读取包含 Base64-Embedded 格式的所有图像的网页

Question

在我的场景中，我想以编程方式下载页面(Internet 上的任何页面)的 HTML，但我还希望 HTML 中的所有图像都采用 base64 嵌入格式(未引用)

换句话说，而不是:

<img src='/images/delete.gif' />

我希望下载的 html 看起来像这样:

<img src="data:image/gif;base64,R0lGODl..." />

这样我就不需要经历将所有图像存储在目录等中的过程。

你们中有人知道如何做到这一点吗？或者任何插件可以有效地做到这一点？

Answer 1

那么，您需要:

• 下载原始 HTML
• 在 HTML 中找到每个 img 元素(例如使用 HTML agility pack )并为每个元素:
  • 如果它已经在使用数据 URL，请忽略它
  • 否则:
  • 下载图片
  • 使用 Convert.ToBase64String 将其编码为 Base64
  • 将原始 img 标签替换为使用 base64 版本的标签(在原始字符串中，或​​通过 DOM 表示形式)
• 将最终的 HTML 保存到磁盘

这些步骤中的任何一个是否给您带来了特定的问题？您可以通过并行下载图像来加快速度，但我会先使用串行版本。