使用 IndexOf 方法提取子字符串时出错

本文关键字:字符串 出错 提取 IndexOf 方法 使用 | 更新日期: 2023-09-27 18:31:32

这是代码:

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using System.Net;
using System.Text.RegularExpressions;
using System.IO;
namespace DownloadImages
{
    public partial class Form1 : Form
    {
        string f;
        public Form1()
        {
            InitializeComponent();
            string localFilename = @"d:'localpath'";
                using (WebClient client = new WebClient())
                {
                    client.DownloadFile("http://www.sat24.com/foreloop.aspx?type=1&continent=europa#",localFilename + "test.html");
                }
                f = File.ReadAllText(localFilename + "test.html");
                test();
        }
        private void test()
        {
            List<string> imagesUrls = new List<string>();
            int startIndex = 0;
            int endIndex = 0;
            int position = 0;
            string startTag = "http://www.niederschlagsradar.de/images.aspx";
            string endTag = "cultuur=en-GB&continent=europa";    
            startIndex = f.IndexOf(startTag);
            while (startIndex > 0)
            {
                endIndex = f.IndexOf(endTag,startIndex);
                if (endIndex == -1)
                {
                    break;
                }
                string t = f.Substring(startIndex, endIndex - startIndex + endTag.Length);
                imagesUrls.Add(t);    
                position = endIndex + endTag.Length;    
                startIndex = f.IndexOf(startTag,position);
            }
        }
        private void Form1_Load(object sender, EventArgs e)
        {
        }
    }
}

最后的列表包含 63 个索引。例如,索引 0 的第一个包含:

http://www.niederschlagsradar.de/images.aspx?jaar=-6&type=europa.precip&datum=201309151800&cultuur=en-GB&continent=europa

例如,索引 5 包含:

http://www.niederschlagsradar.de/images.aspx?jaar=-6&type=europa.precip&datum=201309160600&cultuur=en-GB&continent=europa
最后一个索引

是问题所在,它包含我想要的字符串,就像在其他索引中一样,但它也包含最后一个索引中的其余文件内容:

这是最后一个索引的一部分:

http://www.niederschlagsradar.de/images.aspx?jaar=-6&type=europa.precip&cultuur=thumbnail&continent=europa" border="0"/></a></li><li style="margin-top: -12px;text-align: center;"><a href="/?ir=true&co=true&li=false" target="_top" class="white"><div 

但最后一个索引应该只是:

http://www.niederschlagsradar.de/images.aspx?jaar=-6&type=europa.precip&cultuur=thumbnail&continent=europa

我该如何解决?

使用 IndexOf 方法提取子字符串时出错

你可能想使用这个很酷的工具:

HtmlAgilityPack

一些信息:

  • StackOverflow:如何使用HtmlAgilityPack。
  • BlogSpot.ru 教程(从 HTML 页面中提取链接)。
  • 其他有用的东西。

对于抓取网页,htmlagilitypack 非常有用。下面是一个带有解释的有用示例:http://codingfields.com/guides/htmlagilitypack/

本页介绍了几个键:http://www.codeproblem.com/articles/languages/81-net-framework/74-html-parsing-in-c-using-html-agility-pack

这个页面也不错:http://beletsky.net/2010/09/crawling-web-sites-with-htmlagilitypack.html

此示例说明了替换上下文:http://sparkingnaz.wordpress.com/2013/03/12/how-to-use-html-agility-pack-parsing-html-documents-with-the-html-agility-pack-to-extract-content-node-and-replace-content/