如何使用HtmlAgilityPack检查它是否是404错误页面（页面不存在）

Question

我在这里尝试读取 url 并获取页面中的图像。如果它是 404，我需要排除该页面并停止从 404 错误页面获取图像。如何使用 HtmlAgilityPack 做到这一点？这是我的代码

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

Answer 1

您需要在 HtmlWeb 实例上注册一个 PostRequestHandler 事件，它会在每次下载文档后引发，您将可以访问 HttpWebResponse 对象。 StatusCode.

有一个属性

 HtmlWeb web = new HtmlWeb();
 HttpStatusCode statusCode = HttpStatusCode.OK;
 web.PostRequestHandler += (request, response) =>
 {
     if (response != null)
     {
         statusCode = response.StatusCode;
     }
 }

 var doc = web.Load(completeUrl)
 if (statusCode == HttpStatusCode.OK)
 {
     // received a read document
 }

查看GitHub上的HtmlAgilityPack代码，更简单，HtmlWeb有一个属性 StatusCode，其值设置为：

var web = new HtmlWeb();
var document = web.Load(completeurl);

if (web.StatusCode == HttpStatusCode.OK)
{
    var urls = document.DocumentNode.Descendants("img")
          .Select(e => e.GetAttributeValue("src", null))
          .Where(s => !String.IsNullOrEmpty(s)).ToList();
}

更新

AgilityPack 已更新 API。套路还是一样：

var htmlWeb = new HtmlWeb();
var lastStatusCode = HttpStatusCode.OK;

htmlWeb.PostResponse = (request, response) =>
{
    if (response != null)
    {
        lastStatusCode = response.StatusCode;
    }
};

Answer 2

注意您使用的版本！

我正在使用 HtmlAgilityPack v1.5.1 并且没有 PostRequestHandler 事件。

在 v1.5.1 中必须使用 PostResponse 字段。请参阅下面的示例。

var htmlWeb = new HtmlWeb();
var lastStatusCode = HttpStatusCode.OK;

htmlWeb.PostResponse = (request, response) =>
{
    if (response != null)
    {
        lastStatusCode = response.StatusCode;
    }
};

差别不大，但还是有。

希望这会为某人节省一些时间。

如何使用HtmlAgilityPack检查它是否是404错误页面（页面不存在）

How to check if it is 404 error page(page does not exist) using HtmlAgilityPack

c#

html-agility-pack

更新