呵呵,抓取网页扒链接和图片的时候,总有些路径是写的相对路径,比如../之类的,我写了一个函数解决点问题,但不能全部解决,哪位大侠有兴趣有指点一下么
代码
#region A标签相对路径改绝对路径
private static void AHrefFilter(ref string content, string Url, ref string MatchPattern)
{
//A标签相对路径改绝对路径
MatchPattern = @"\bhref=[^:^;^#^+^>]*?>";
MatchCollection mcAhref = Regex.Matches(content, MatchPattern, RegexOptions.IgnoreCase);
foreach (Match m in mcAhref)
{
string hrefStr = m.Value.Replace("href", "").Replace("HREF", "").Substring(1);
string hrefStrTrim = hrefStr;
if (!hrefStr.Contains("http") && hrefStr.StartsWith("\"/"))
{
string urlagain = Regex.Match(Url, "http://([^/]*?/)").Value.Trim();
hrefStr = "\"" + urlagain.Substring(0, urlagain.Length - 1) + hrefStr.Substring(1);
}
if (!hrefStr.Contains("http") && hrefStr.Contains("\"../../"))
{
hrefStr = hrefStr.Replace("http://www.cnblogs.com/", "");
hrefStr = "\"" + Regex.Match(Url, "http://([^/]*?/){2}").Value.Trim() + hrefStr.Substring(1);
}
if (!hrefStr.Contains("http") && hrefStr.Contains("\"../"))
{
hrefStr = hrefStr.Replace("../", "");
hrefStr = "\"" + Regex.Match(Url, "http://([^/]*?/){3}").Value.Trim() + hrefStr.Substring(1);
}
if (!hrefStr.Contains("http") && !hrefStr.StartsWith("\"/"))
{
hrefStr = "\"" + Regex.Match(Url, "http://([^/]*?/){4}").Value.Trim() + hrefStr.Substring(1);
}
string newHrefStr = "href=" + hrefStr + "";
content = content.Replace(m.Value, newHrefStr);
}
}
#endregion
private static void AHrefFilter(ref string content, string Url, ref string MatchPattern)
{
//A标签相对路径改绝对路径
MatchPattern = @"\bhref=[^:^;^#^+^>]*?>";
MatchCollection mcAhref = Regex.Matches(content, MatchPattern, RegexOptions.IgnoreCase);
foreach (Match m in mcAhref)
{
string hrefStr = m.Value.Replace("href", "").Replace("HREF", "").Substring(1);
string hrefStrTrim = hrefStr;
if (!hrefStr.Contains("http") && hrefStr.StartsWith("\"/"))
{
string urlagain = Regex.Match(Url, "http://([^/]*?/)").Value.Trim();
hrefStr = "\"" + urlagain.Substring(0, urlagain.Length - 1) + hrefStr.Substring(1);
}
if (!hrefStr.Contains("http") && hrefStr.Contains("\"../../"))
{
hrefStr = hrefStr.Replace("http://www.cnblogs.com/", "");
hrefStr = "\"" + Regex.Match(Url, "http://([^/]*?/){2}").Value.Trim() + hrefStr.Substring(1);
}
if (!hrefStr.Contains("http") && hrefStr.Contains("\"../"))
{
hrefStr = hrefStr.Replace("../", "");
hrefStr = "\"" + Regex.Match(Url, "http://([^/]*?/){3}").Value.Trim() + hrefStr.Substring(1);
}
if (!hrefStr.Contains("http") && !hrefStr.StartsWith("\"/"))
{
hrefStr = "\"" + Regex.Match(Url, "http://([^/]*?/){4}").Value.Trim() + hrefStr.Substring(1);
}
string newHrefStr = "href=" + hrefStr + "";
content = content.Replace(m.Value, newHrefStr);
}
}
#endregion