抓取链接中的隐藏值
抓取链接中的隐藏值
提问于 2012-10-17 20:24:43
我正在抓取一个网站的内容。
我注意到我想要抓取的字段并不包含我需要的确切信息。用户需要单击它才能显示正确的值
例如，在屏幕上，用户可以看到“发送电子邮件”。单击发送电子邮件后，它将更改为support@company.com。
现在，我想刮掉"support@company.com“。
一种有效的策略是解析链接的节点。我使用了string.IndexOf和string.Substring)
<a href="#" onclick="displayEmail(this, 'support@company.com');......>Send Email</a>还有没有别的选择？
谢谢!
回答 1
Stack Overflow用户
发布于 2012-11-14 00:44:28
要从HTML文档(或片段)中查找特定节点或获取节点属性值，可以使用AgilityPack。此外，为了从字符串中提取特定信息，您可以使用正则表达式、字符串函数等。这取决于您要提取的信息的类型。
要抓取电子邮件地址，或者只是数字，我会使用正则表达式(例如，从here)。
下面是一个如何从您提供的HTML片段中抓取电子邮件地址的示例：
var regex = new Regex(
@"\b[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,4}\b",
RegexOptions.IgnoreCase
);
var html = @"<a href='#' onclick='displayEmail(this, ""support@company.com"")'>Send Email</a>";
var doc = new HtmlDocument();
doc.LoadHtml(html);
// just an example on how to get node's attribute value
// your selectors could be completely different
var onclick = doc.DocumentNode.SelectSingleNode("a").Attributes["onclick"].Value;
var email = regex.Match(onclick);页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/12934291
复制相关文章
相似问题
腾讯云开发者
