我正在尝试创建一个新闻代理以从网站获取新闻。所以我必须使用 html 解析器
,例如 HtmlAgilityPack
。所以在这里你可以看到我的代码:
public async void parsing(string website)
{
HttpClient http = new HttpClient();
var response = await http.GetByteArrayAsync(website);
String source = Encoding.GetEncoding("utf-8").GetString(response, 0, response.Length - 1);
source = WebUtility.HtmlDecode(source);
HtmlDocument resultat = new HtmlDocument();
resultat.LoadHtml(source);
List<HtmlNode> toftitle = resultat.DocumentNode.Descendants().Where
(x => (x.Name == "div" && x.Attributes["class"] != null && x.Attributes["class"].Value.Contains("latest-news"))).ToList();
var li = toftitle[0].Descendants("li").ToList();
foreach (var item in li)
{
var link = item.Descendants("a").ToList()[0].GetAttributeValue("href", null);
var img = item.Descendants("img").ToList()[0].GetAttributeValue("src", null);
}
}
这是我应该解析的 html 代码:
<a href="/news?p_p_id=56_INSTANCE_tVzMoLp4zfGh&_56_INSTANCE_tVzMoLp4zfGh_mode=news&_56_INSTANCE_tVzMoLp4zfGh_newsId=3153832&p_p_state=maximized">› پانل «بررسي سازوکارهاي تأمين منابع مالي براي توسعۀ فناوري» بهعنوان پانل برتر پنجمين کنفرانس بينالمللي و نهمين کنفرانس ملي مديريت فناوري معرفي شد</a>
<a href="/news?p_p_id=56_INSTANCE_tVzMoLp4zfGh&_56_INSTANCE_tVzMoLp4zfGh_mode=news&_56_INSTANCE_tVzMoLp4zfGh_newsId=3135970&p_p_state=maximized">› فرآیند و فرم درخواست استفاده از تسهیلات حمایتی بلاعوض صندوق نوآوری و شکوفایی جهت حضور شرکت های دانش بنیان در جایزه ملی مدیریت فناوری و نوآوری</a>
所以问题是我可以获得 href 链接
但不是 href 值
。我的意思是我可以获得新闻 url 但不是标题تأمين منابع مالي براي توسعی وناوري» los پانل برتر پنومين کنوسعووري بينوري پانل برتر پنومين ک́رامس بينلن ?????????????????
我怎样才能得到它?
最佳答案
你可以这样使用:
HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(result);
foreach (HtmlNode link in doc.DocumentNode.SelectNodes("a"))
{
string value = link.InnerText; // here you can get href value
}
关于c# - 使用 HtmlAgilityPack 获取 href innertext,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34824976/