使用 HTML 敏捷包获取 HTML 页面内的 URL

Question

我有这个代码：

    foreach (HtmlNode node in hd.DocumentNode.SelectNodes("//div[@class='compTitle options-toggle']//a"))
    {
        string s=("node:" + node.GetAttributeValue("href", string.Empty));
    }

我想在这样的标签中获取网址：

<div class="compTitle options-toggle">

    <a class=" ac-algo fz-l ac-21th lh-24" href="http://www.bestbuy.com">
               <b>Huawei</b> Products - Best Buy
    </a>
</div>

我想获得“http://www.bestbuy.com”和“华为产品-百思买”

我该怎么办？我的代码正确吗？

Answer 1

这是工作代码的示例

        var document = new HtmlDocument();
        document.LoadHtml("<div class=\"compTitle options-toggle\"><a class=\" ac-algo fz-l ac-21th lh-24\" href=\"http://www.bestbuy.com\"><b>Huawei</b> Products - Best Buy</a></div>");

        var tags = document.DocumentNode.SelectNodes("//div[@class='compTitle options-toggle']//a").ToList();

        foreach (var tag in tags)
        {
            var link = tag.Attributes["href"].Value; // http://www.bestbuy.com
            var text = tag.InnerText; // Huawei Products - Best Buy
        }

Answer 2

结束双引号应该修复选择（对我有用）。

获取纯文本为

 string contentText = node.InnerText;

或者把Huawei字样加粗，像这样：

 string contentHtml = node.InnerHtml;

使用 HTML 敏捷包获取 HTML 页面内的 URL

Get URLs inside a HTML page with HTML Agility Pack

html

c#

xpath

html-agility-pack