使用HtmlAgilityPack解析rel canonical

Question

如何从html文档中解析带有URL的rel=“规范”标记？

我想在这里找到url：

<link rel="canonical" href="http://stackoverflow.com/questions/2593147/html-agility-pack-make-code-look-neat" />

Answer 1

假设doc是您的HtmlDocument对象。

HtmlNodeCollection links = doc.DocumentNode.SelectNodes("//link[@rel]");

应该会得到具有rel属性的link元素。现在迭代：

foreach (HtmlNode link in links)
{
    string url;
    if (link.Attributes["rel"] == "canonical") {
        url = link.Attributes["href"];
    }
}

此外，还可以过滤SelectNodes调用中的链接，以仅获取带有"canonical"：doc.DocumentNode.SelectNodes("//link[@rel='canonical']");的链接

没有经过测试的代码，但您已经明白了:)

Answer 2

接受的答案不再正确，更新后的代码如下：

var links = htmlDoc.DocumentNode.SelectNodes("//link[@rel]");

string canonical;

foreach (HtmlNode link in links)
{
    if (link.Attributes["rel"].Value == "canonical")
    {
        canonical = link.Attributes["href"].Value;
    }
}

Answer 3

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(_html);

String link = (from x in doc.DocumentNode.Descendants()
           where x.Name == "link"
           && x.Attributes["rel"] != null
           && x.Attributes["rel"].Value == "canonical"
           && x.Attributes["href"] != null
           select x.Attributes["href"].Value).FirstOrDefault();