冠霖的部落格

from:http://www.dotblogs.com.tw/yilinliu/archive/2009/03/13/7470.aspx

作用：取得HTML或XML內容中，某個標籤下所指定的屬性值。
輸入參數：

• strHtml(string)：HTML或XML的內容。
• strTagName(string)：標籤名。
• strAttributeName(string)：屬性名。
  public static string[] GetAttribute(string strHtml, string strTagName, string strAttributeName) 

 { 

     List<string> lstAttribute = new List<string>(); 

     string strPattern = string.Format("<\\s*{0}\\s+.*?(({1}\\s*=\\s*\"(?<attr>[^\"]+)\")|({1}\\s*=\\s*'(?<attr>[^']+)')|({1}\\s*=\\s*(?<attr>[^\\s]+)\\s*))[^>]*>"

        , strTagName 

         , strAttributeName); 

    MatchCollection matchs = Regex.Matches(strHtml, strPattern, RegexOptions.IgnoreCase); 

     foreach (Match m in matchs) 

    { 

        lstAttribute.Add(m.Groups["attr"].Value); 

    } 

    return lstAttribute.ToArray(); 

 }

//要抓取的網頁 

 string Url = "http://www.gov.tw/"; 

 HttpWebRequest webReq = (HttpWebRequest)WebRequest.Create(Url); 

 using (HttpWebResponse webResp = (HttpWebResponse)webReq.GetResponse()) 

{ 

    //判斷是否有指定編碼(預設用codepage=950) 

     Encoding encPage = webResp.ContentType.IndexOf("utf-8", StringComparison.OrdinalIgnoreCase) > 0 ? Encoding.UTF8 : Encoding.GetEncoding(950); 

    using (StreamReader reader = new StreamReader(webResp.GetResponseStream(), encPage)) 

     { 

       string strContent = reader.ReadToEnd(); 

        //列出所有<img>裡的src屬性值 

       string[] aryValue = GetAttribute(strContent, "img", "src"); 

         for (int i = 0; i < aryValue.Length; i++) 

      { 

           Console.WriteLine(aryValue[i]); 

      } 

     } 

 }