如何使用通配符从html文档下载图像？

Question

我正在编写一个c#程序来从.jpg文档中提取.jpg图像，但是目标图像的名称经常会发生变化。作为一个非常新的程序员，我不知道如何达到预期的结果。

我正在使用webclient下载html。

所以我想我有几个问题要问。

1. 如何使用通配符来假定图像名称的名称和长度？
2. 如何将HTML容器与文档中的目标图像分开？

Answer 1

简而言之，使用您所描述的方法:您不能。HTTP要求按其名称访问每个被请求的资源，您不能要求HTTP服务器返回一组名称与模式(无论是通配符表达式还是正则表达式)匹配的资源。

但是，如果您知道名称存在于特定范围之间并遵循模式，那么您可以创建一系列请求并相应地处理404错误，如下所示：

String resource = "/images/aestheticallyAttractiveHumanFemalesWithoutClothing/img_{0}.jpg";
for(int i=1;i<100;i++) {

    String thisResource = String.Format(CultureInfo.InvariantCulture, resource, i);

    HttpWebRequest request = new (HttpWebRequest)WebRequest.Create(thisResource);
    HttpWebResponse response = request.GetResponse();
    if( response.Status == HttpStatus.OK ) {
        using(Stream rs = response.GetResponseStream())
        using(FileStream fs = new FileStream(Path.Combine("C:\\Temp\\IRSTaxReturns2011\\" + i.ToString() + ".jpg") {
            rs.CopyTo( fs );
        }
    }
}

Answer 2

您应该刮刮网页，以获得图像url，然后下载图像。为清点支票：

https://github.com/jamietre/CsQuery

https://code.google.com/p/fizzler/

https://code.google.com/p/sharp-query/

Is there a jQuery-like CSS/HTML selector that can be used in C#?

这将允许您根据属性名称、文档中的位置或这些标识符的组合来选择您所关心的元素，然后获取src属性。

1. 下载网页html
2. 解析html以获取图像的url。
3. 下载图像

编辑：@雅各布Proffitt酷的东西，如果你对XPath满意

http://htmlagilitypack.codeplex.com/

How to use HTML Agility pack