如何在 Html Agility 包中获取重定向 URL
Posted
技术标签:
【中文标题】如何在 Html Agility 包中获取重定向 URL【英文标题】:How to get redirected URL in Html Agility pack 【发布时间】:2020-04-14 02:18:35 【问题描述】:我想从设置的 URL 中解析所有 URL。我找到了以下方法:
public static List<string> ParseLinks(string urlToCrawl)
WebClient webClient = new WebClient();
byte[] data = webClient.DownloadData(urlToCrawl);
string download = Encoding.ASCII.GetString(data);
HashSet<string> list = new HashSet<string>();
var doc = new htmlDocument();
doc.LoadHtml(download);
HtmlNodeCollection nodes = doc.DocumentNode.SelectNodes("//a[@href]");
foreach (var n in nodes)
string href = n.Attributes["href"].Value;
list.Add(GetAbsoluteUrlString(urlToCrawl, href));
return list.ToList();
static string GetAbsoluteUrlString(string baseUrl, string url)
var uri = new Uri(url, UriKind.RelativeOrAbsolute);
if (!uri.IsAbsoluteUri)
uri = new Uri(new Uri(baseUrl), uri);
return uri.ToString();
一切都很好,但在某些网站中,链接通过他们的网站(他们正在重定向)。我有一个链接:https://www.houzz.com/trk/aHR0cHM6Ly9nb2xkbWFuYXJjaGl0ZWN0LmNvbS8/d76eaa05cc284c9f987d1d30948a6295/ue/MjgxNzk3OTg/84045ba5f6a5f8aa2c25d89b4e18c788。当我想使用我的方法提取链接时,ParseLinks 方法给了我错误的 URL,例如 https://www.houzz.com/contact、https://www.houzz.com/site-map/... 我的期望是 https://goldmanarchitect.com/contact、https://goldmanarchitect.com/site-map/ ... 因为当我们转到上面的链接时,它重定向到https://goldmanarchitect.com/。那么,如何从当前 URL 中获取重定向页面呢?请给我一些解决方案来解决我的问题。
【问题讨论】:
【参考方案1】:我对几个关键字进行了一些研究,并找到了解决问题的方法。以下方法解决了我的问题:
public static string GetFinalRedirect(string url)
if(string.IsNullOrWhiteSpace(url))
return url;
int maxRedirCount = 8; // prevent infinite loops
string newUrl = url;
do
HttpWebRequest req = null;
HttpWebResponse resp = null;
try
req = (HttpWebRequest) HttpWebRequest.Create(url);
req.Method = "HEAD";
req.AllowAutoRedirect = false;
resp = (HttpWebResponse)req.GetResponse();
switch (resp.StatusCode)
case HttpStatusCode.OK:
return newUrl;
case HttpStatusCode.Redirect:
case HttpStatusCode.MovedPermanently:
case HttpStatusCode.RedirectKeepVerb:
case HttpStatusCode.RedirectMethod:
newUrl = resp.Headers["Location"];
if (newUrl == null)
return url;
if (newUrl.IndexOf("://", System.StringComparison.Ordinal) == -1)
// Doesn't have a URL Schema, meaning it's a relative or absolute URL
Uri u = new Uri(new Uri(url), newUrl);
newUrl = u.ToString();
break;
default:
return newUrl;
url = newUrl;
catch (WebException)
// Return the last known good URL
return newUrl;
catch (Exception ex)
return null;
finally
if (resp != null)
resp.Close();
while (maxRedirCount-- > 0);
return newUrl;
【讨论】:
以上是关于如何在 Html Agility 包中获取重定向 URL的主要内容,如果未能解决你的问题,请参考以下文章
HTML Agility Pack - 使用 Align=left 样式从 DIV 获取文本
如何在 C# WebBrowser 控件中获取重定向的 url