获取所有的A链接并生成List对象（href、text链接文本，html整个标签）

站长苏飞

导读部分

---

【HttpHelper万能框架】教程目录贴  http://www.sufeinet.com/thread-9989-1-1.html


教程部分

---

我们在得到一个网页时，里面肯定会有或多或少的A连接。那么我们怎么样获取这些A链接呢。
现在我在Httphelper万能框架中加入一个方法，可以提取到所有的A链接，并以对象的方法显示给大家

对结构如下

[C#] 纯文本查看 复制代码

using System;using System.Collections.Generic;
using System.Linq;
using System.Text;
using CsharpHttpHelper.Enum;

namespace CsharpHttpHelper.Item
{
    /// <summary>
    /// A连接对象  Copyright：[url=http://www.httphelper.com/]http://www.httphelper.com/[/url]
    /// </summary>
    public class AItem
    {
        /// <summary>
        /// 链接地址
        /// </summary>
        public string Href { get; set; }
        /// <summary>
        /// 链接文本
        /// </summary>
        public string Text { get; set; }
        /// <summary>
        /// 链接的图片，如果是文本链接则为空
        /// </summary>
        public ImgItem Img { get; set; }
        /// <summary>
        /// 整个连接Html
        /// </summary>
        public string Html { get; set; }
        /// <summary>
        /// A链接的类型
        /// </summary>
        public AType Type { get; set; } 
    }
}

下面看看怎么通过Httphelper万能框架来提取所有的A链接吧。
引入命名空间

[C#] 纯文本查看 复制代码

using CsharpHttpHelper;
using CsharpHttpHelper.Item;

开始提取

[C#] 纯文本查看 复制代码

            //创建Httphelper对象
            HttpHelper http = new HttpHelper();
            //创建Httphelper参数对象
            HttpItem item = new HttpItem()
            {
                URL = "http://www.sufeinet.com",//URL     必需项    
                Method = "get",//URL     可选项 默认为Get   
                ContentType = "text/html",//返回类型    可选项有默认值   
                //ContentType = "application/x-www-form-urlencoded",//返回类型    可选项有默认值   
            };
            //请求的返回值对象
            HttpResult result = http.GetHtml(item);
            //获取请请求的Html
            string html = result.Html;

            List<AItem> alist = HttpHelper.GetAList(html);

看一下执行效果


总共提取了525个A链接。
而每一个都是有这个对象组成的。href  txt html
这样大家再用起来会很方便，
有了这个其实大家就可以做反链接。友情链接检查等功能了。

2014-11-24日更新了，Item类，增加了图片链接

ching126

受教了学习中……

huanghua1234

强烈支持楼主ing……

azon

这个功能创意相当地好！
使用过程也发现一些疑问，如下图是http://www.amazon.com的内容


一、属性html提取的内容有时太多，很多其它标签的内容也全进来了。图中上半部分是正常的。下半部分的html基本上没法用了。
二、属性href提取的链接内容因为各个网站的不同，有时是完整链接，有时是二级路径，这时能否加个自动判断，形成完整路径？如图中的链接需要加上http://www.amazon.com才能形成可访问的完整链接。
三、属性text提取的一般是文本，但有时也发现提取的是图片的链接格式。如：<img src='//g-ec2.images-amazon.com/images/G/01/prime/piv/YourPrimePIV_fallback_CTA._V337321878_.jpg' />这种格式。能否也做个区分？纯文本或图片可选。

以上是使用这个功能的一点感受，不知老大能否考虑改进一下。
语言冒犯之处，敬请谅解哟。

站长苏飞

azon 发表于 2014-11-15 10:51
这个功能创意相当地好！
使用过程也发现一些疑问，如下图是http://www.amazon.com的内容

恩可以，这部分，我也在改革中，先谢谢你的好建议了

sanler

给提个建议，增加两个参数，开始提取位置字符，结束位置字符，这样就可以提取某两个字符间的链接了。这个功能在获取帖子列表的时候很常见，可以过滤导航、友情链接等。

redcat

感觉提取标签没必要~~~~~可以采用集成jumony~ 功能就会强大很多了。

xmt_yll

List<AItem> alist = HttpHelper.GetAList(html);在vs 2010 编译中，提示无法转化。。不知道我应该设置那里？初学