Обработка HTML-документа с C#

Question

У меня есть несколько сотен статических файлов HTML, которые необходимо обработать.

Они содержат ссылки, как этот

<a href="http://www.mysite.com/">Link</a> 

мне нужно добавить? Реф = сам к любому URL, который начинается с http://www.mysite.com и становится

<a href="http://www.mysite.com/?ref=self">Link</a> 

однако, я не знаю, что это будет be http://www.mysite.com или http://www.mysite.com/ также можно связать с подкаталогом.

Каков наиболее эффективный способ сделать это? в C#

Answer 1

Каков наиболее эффективный способ сделать это? в C#

1. Посмотрите на строку http://www.mysite.com.
2. Если этого не происходит, перейдите по ссылке 7.
3. Ищите следующие ".
4. Если этого не произошло, ошибки.
5. Вставить ?ref=self до ".
6. Перейти к 1.
7. Возврат.

Это может быть достигнуто с помощью следующей регулярной подстановки выражения:

s#http://www.mysite.com[^"]*#&?ref=self#g 

приятнее (более выразительным) способ будет использовать HTML-парсер и XPath.

Answer 2

Анализ HTML может быть сложным, поскольку HTML часто содержит плохо сформированные теги и атрибуты. Я предлагаю изучить существующую библиотеку разбора HTML, чтобы сделать ваш тяжелый подъем, или, используя XSLT, преобразовать действительный (x) HTML в желаемый результат.

У этого вопроса What is the best way to parse html in C#? есть некоторые хорошие ссылки на библиотеки разбора HTML для C#.

Answer 3

Вы можете использовать Page.Request.UrlReferrer, чтобы определить, откуда пришел запрос.