問題返回<a>不包含mailto鏈接的鏈接

Question

我正在使用HTML Agility Pack來定義返回網頁上鍊接的函數。問題是它返回包括mailto在內的所有鏈接。

在程序的後面，當處理鏈接時，mailto鏈接斷開。我試圖消除

我的函數定義爲它們在_links

的功能輸出列表包括：

var linkNodes = _htmlDocument.Value.DocumentNode.SelectNodes("//a"); 
if (linkNodes == null) 
    return Enumerable.Empty<Link>(); 

var links = new List<Link>(); 
foreach (var linkNode in linkNodes) 
{ 
    var href = linkNode.GetAttributeValue("href", "#"); 
    if (!Uri.IsWellFormedUriString(href, UriKind.RelativeOrAbsolute)) 
     continue; 

    var url = href.ToAbsoluteUri(Url); 
    var follow = linkNode.GetAttributeValue("rel", "follow"); 

    links.Add(new Link(Url, url, linkNode.InnerText, follow)); 
} 

_links = links; 

我的LINQ，幾乎工作（在擺脫郵寄地址的工作，但返回的字符串代替搭配使用的戰鬥機的節點）：

var linkNodes = _htmlDocument.Value.DocumentNode.SelectNodes("//a[@href]") 
         .Select(a => a.Attributes["href"].Value) 
         .Where(href => !href.StartsWith("mailto:")) // skip emails, find only url links 
         .ToList(); 

Answer 1

關於選擇和地點：

Accordi ng到MSDN

Linq Select將根據該集合的項目將您的集合轉換爲新的表單。這是一個簡單的例子。

IEnumerable<int> collectionOfInt = Enumerable.Range(0, 10); 
IEnumerable<string> collectionOfString = collectionOfInt.Select(i => i.ToString()); 
IEnumerable<int> lengthOfStrings = collectionOfString.Select(str => str.Length); 

首先你的int從0集合到9正如你可以看到選擇"0","1",...,"9"返回字符串的一個新的集合，但基於對collectionOfInt項目，你必須字符串。請注意，Select的執行被延遲，因此必須使用ToList來實際執行該查詢。

在collectionOfString上執行Select時也是這樣。正如你可以看到你放棄實際的字符串，你會得到這些字符串的長度（1,1,...,1）。現在

您的LINQ

var linkNodes = _htmlDocument.Value.DocumentNode.SelectNodes("//a[@href]") 
        .Select(a => a.Attributes["href"].Value) 
        .Where(href => !href.StartsWith("mailto:")) 
        .ToList(); 

同樣的事情發生在這裏。你有一組節點，但Select(a => a.Attributes["href"].Value)會實際上將你的節點變成字符串的集合，並且你將失去實際的節點。

.Select(a => a.Attributes["href"].Value) // Changes main collection into values 
.Where(href => !href.StartsWith("mailto:")) // searches on values not main collection thus returns values again. 

所以你必須把它全部放在Where部分。因爲Where不會更改集合類型。當元素上的條件爲真時，它只會從集合中選擇元素。

根據我的解釋，href以前的查詢是a.Attributes["href"].Value。因此，爲了不松原始元素只是包裝a.Attributes["href"].Value內href所以，你將有

.Where(node => !node.Attributes["href"].Value.StartsWith("mailto:")) // searches on nodes collection thus returns nodes 

關於空例外部分：

Where Linq查詢將不會是空的物品進行搜索。所以只要前面查詢中的href或a.Attributes["href"].Value爲空，它就會跳過該項而不選擇它。

在您嵌入Select轉換爲Where現在，其中只有node的可空性檢查不執行功能!node.Attributes["href"].Value.StartsWith("mailto:")。

基本上因爲Value有空的可能性，你會在StartsWith("mailto:")上得到例外，它不能處理null。

在C＃6中，您可以通過混合null conditional和Null-coalescing運算符來修復此問題。

htmlDocument.Value.DocumentNode.SelectNodes("//a[@href]") 
    .Where(node => !node.Attributes["href"].Value?.StartsWith("mailto:") ?? false).ToList(); 

如果Value?.值爲null，它不會繼續執行StartsWith("mailto:")，而是空直接返回。

因爲返回類型?.是nullable bool，所以當運算符的左側是空時，?? false將返回false。