获取 href 属性值时 HTMLAgilityPack 中的错误。 C＃答案

【问题标题】：Bug in HTMLAgilityPack when getting href attribute value. C#获取 href 属性值时 HTMLAgilityPack 中的错误。 C＃
【发布时间】：2021-03-22 01:44:50
【问题描述】：

在 HTMLAgilityPack 中发现了一个令人讨厌的错误，其中某些属性值未完全返回 - 它们被截断。具体来说，当尝试从锚标记中获取 href 值时，仅返回根域，后面的任何内容（查询字符串）都将被完全忽略。有人知道一个好的解决方法吗？

例子：

node.SelectSingleNode("//link").Attributes["href"].Value

返回https://www.example.com 而不是返回 https://www.example.com/mypage.php?_src=ffk_title&ffkid=66534&site=data:http%3A%2F%2Fwww.othersite.com%2Frss%2F

链接是这样的

<a class="tlink" href="https://www.example.com/mypage.php?_src=ffk_title&amp;ffkid=66534&amp;site=data:http%3A%2F%2Fwww.othersite.com%2Frss%2F" target="_blank">Click to get feed</a>

无论如何 - 现在，我将只获取链接标记并使用旧方法进行解析 - 我认为如果 href 标记中存在非典型字符，HTMLAgilityPack 会感到困惑。我希望这只是我做错了什么，但这种怪癖真的很伤人。

【问题讨论】：

你能提供你的实际代码吗？ //link 不是 //a，如果我将其更改为 doc.DocumentNode.SelectSingleNode("//a").Attributes["href"].Value，它会按照您的预期为我提供完整的 URL。那是使用 v1.11.31。

标签： c# attributes html-agility-pack

【解决方案1】：

对于锚标签，你应该使用//a XPath 表达式：

node.SelectSingleNode("//a").Attributes["href"].Value;

此外，如果您需要引用具有特定类的锚点，您可以使用：

node.SelectSingleNode("//a[@class='tlink']").Attributes["href"].Value;

here 是一个工作示例。

【讨论】：

我明白我做了什么。我正在重用链接代码而不是锚标记，因为它部分工作，我认为 HTMLAgilityWebPath 的新 DotNetCore 版本有问题。我将其更改为“//a”，它工作正常。然而，有一个问题。该节点是另一个节点的子节点 - 不知道为什么 XPATH 解析器会查看父节点的父节点（即）以获取文档中唯一的 LINK 标记。
@MC9000 HtmlAgilityPack 使用 XPath 语法。在 XPath 中，路径开头的// 表示“在文档中的任何位置查找”。所以//a 会在文档中找到所有锚点，即使您是从中间某个节点开始的。如果只想从当前节点向下查看后代，请使用.// 作为前缀，例如.//a。如果您只想查看当前节点的直接子节点，请完全删除前缀，例如 a。
谢谢。认为无论语法如何，它都受限于节点对象（所以 // 将是“在任何地方查找”，但相对于当前节点对象） - 对我来说，这将是最合乎逻辑的实现。我错了。