如何使用HTML Agility Pack从网站中检索所有图像？

Question

我刚刚下载了HTMLAgilityPack，但是文档中没有任何示例。

我正在寻找一种从网站下载所有图片地址的方法，而不是实际的图片文件。

<img src="blabalbalbal.jpeg" />

我需要提取每个img标签的源代码。我只是想了解这个库能提供什么功能。大家都说这是最适合这项工作的最佳工具。

public void GetAllImages()
    {
        WebClient x = new WebClient();
        string source = x.DownloadString(@"http://www.google.com");

        HtmlAgilityPack.HtmlDocument document = new HtmlAgilityPack.HtmlDocument();
        document.Load(source);

                         //I can't use the Descendants method. It doesn't appear.
        var ImageURLS = document.desc
                   .Select(e => e.GetAttributeValue("src", null))
                   .Where(s => !String.IsNullOrEmpty(s));        
    }

- Sergio Tapia

Answer 1

你可以使用 LINQ 来完成，像这样：

var document = new HtmlWeb().Load(url);
var urls = document.DocumentNode.Descendants("img")
                                .Select(e => e.GetAttributeValue("src", null))
                                .Where(s => !String.IsNullOrEmpty(s));

编辑：这段代码现在已经可以工作了；我忘记写了 document.DocumentNode。

- SLaks

---

你的示例中document是什么对象类型？我无法使用.Descendants方法。请检查我的编辑。 - Sergio Tapia

我忘记包含“.DocumentNode”了。 - SLaks

请确保您正在使用最新的测试版，因为LINQ功能是新功能。 - rtpHarry

Answer 2

基于他们的一个示例，但使用修改后的XPath：

 HtmlDocument doc = new HtmlDocument();
 List<string> image_links = new List<string>();
 doc.Load("file.htm");
 foreach(HtmlNode link in doc.DocumentElement.SelectNodes("//img"))
 {
    image_links.Add( link.GetAttributeValue("src", "") );
 }

我不了解这个扩展，所以我不确定如何将数组写到其他地方，但这至少可以让您获得数据。 （此外，我肯定没有正确定义数组。抱歉）。

编辑

使用您的示例：

public void GetAllImages()
    {
        WebClient x = new WebClient();
        string source = x.DownloadString(@"http://www.google.com");

        HtmlAgilityPack.HtmlDocument document = new HtmlAgilityPack.HtmlDocument();
        List<string> image_links = new List<string>();
        document.Load(source);

        foreach(HtmlNode link in document.DocumentElement.SelectNodes("//img"))
        {
          image_links.Add( link.GetAttributeValue("src", "") );
       }


    }

- Anthony

---

将其翻译为：List<string> image_links = new List<string>(); foreach (HtmlNode link in doc.DocumentNode.SelectNodes("//img")) { image_links.Add( link.GetAttributeValue("src", "") ); } - TaW