如何从网页中的链接中读取 url 参数的内容？

Question

我目前正在使用 HtmlAgilityPack 制作一个 C# 控制台应用程序，我正在尝试获取网页上链接的参数值。所以基本上我有一个网页，在那个页面上有一堆链接。其中一个链接有一个名为“&pagenumber=[some number]”的参数。我想要得到的是&pagenumber= 之后的值并将其保存到一个 int 变量中。

步骤：

1. 转到网站 (http://forum.tibia.com/forum/?action=board&boardid=25&threadage=-1)

2. 在页面底部的 url 中查找文本“Last Page”：

<a href="http://forum.tibia.com/forum/?action=board&boardid=25&threadage=-1&pageitems=30&pagenumber=974">Last Page</a>

1. 从“pagenumber”（本例中为“974”）中获取参数值

2. 将其保存到整数变量

到目前为止我的代码：

string PageLink = "http://forum.tibia.com/forum/?action=board&boardid=25&threadage=-1";
Task.Run(async () =>
{
    using (var client = new HttpClient())
    {
        // Load the html of the page
        var html = await client.GetStringAsync(PageLink);
        var document = new HtmlAgilityPack.HtmlDocument();
        document.LoadHtml(html);

        // Find the "Last Page" link at bottom of page
        var lastPageLink = document.DocumentNode.Descendants("a").First(x => x.Attributes["href"].Value.Contains("&threadage=-1&pageitems=30&pagenumber=")).InnerHtml;

        // Print out the pagenumber value
        Console.WriteLine(lastPageLink);
    }
}).Wait(1000);

但是，我的代码没有打印任何内容，所以我想知道我在这里做错了什么。我没有收到任何错误。我基本上试图找到所有链接（a-tag），我查看它们的“href”值，看看它是否包含“&threadage=-1&pageitems=30&pagenumber=”。如果是，它应该选择它的html代码。

所以现在，我想打印我的代码：http://forum.tibia.com/forum/?action=board&boardid=25&threadage=-1&pageitems=30&pagenumber=974

然后我可以继续使用正则表达式或其他东西来获得“974”。

url 中包含“board&boardid=25&threadage=-1”非常重要，因为其中还有其他带有“Last Page”值的链接。

Answer 1

var lastPageLink = document.DocumentNode.Descendants("a").First(x => x.Attributes["href"] != null && x.Attributes["href"].Value.Contains("&threadage=-1&pageitems=30&pagenumber=")).Attributes["href"].Value;

两个变化，

1. 我在 lambda 语句的前面添加了x.Attributes["href"] != null &&，以防止链接没有 href 属性时出现NullReferenceException。
2. 将.InnerHtml 切换为.Attributes["href"].Value 以打印URL 而不是Last Page。

解析

var matchingString = "&threadage=-1&pageitems=30&pagenumber=";
var start = lastPageLink.IndexOf(matchingString) + matchingString.Length;
var end = lastPageLink.Length - start;
var pageNumber = lastPageLink.IndexOf(matchingString) >= 0 ? lastPageLink.Substring(start, end) : "Unknown";
Console.WriteLine("Page #: " + pageNumber);

应该得到你想要的。我不知道正则表达式，所以如果你想使用它，你必须自己弄清楚。

注意：我假设 pagenumber 将是最后一个 url 参数，这并不总是正确的。因此，如果您使用此代码不仅仅是短期使用，我会相应地对其进行调整。