如何从一个html原代码中分析出所有的连接?

Question

<a href="/product/9236/9236426.shtml"></a>比如能够分析出   /product/9236/9236426.shtml
可能连接有很多,我需要从中间找出我需要的,比如连接包含product,不包含dfs的.
然后将这个些分析后的连接放到TreeView中或者是ListBox中都可以.
我的目的是编写一个采集软件.
刚刚学习,大家多多帮忙.
如果谁有采集软件的代码(C#)那就太好了.

Answer 1

System.Windows.Forms.WebBrowser webBrowser = new WebBrowser();
            webBrowser.Url = new Uri("网站地址"+"/product/9236/9236426.shtml");            ArrayList arWebListenValue = new ArrayList();
            ArrayList arWebListenText = new ArrayList();            for (int i = 0; i < this.webBrowser.Document.Links.Count; i++)
            {
                arWebListenValue.Add(this.webBrowser.Document.Links[i].Id);
                arWebListenText.Add(this.webBrowser.Document.Links[i].OuterText);
            }

Answer 2

getElementsByTagName('a');
没有试，不知道可以不。~_~!

Answer 3

muyanpeng_mail(穆彦鹏)的方法是比较简单。但是，如果页面含有frame，或者含有js调用的frame，还能获取link吗？

Answer 4

muyanpeng_mail(穆彦鹏）
写的这个东西，说句实话没有看懂他的意思。
谁能给注释下么？

Answer 5

今天才看到回复~如果没有看懂的话 就研究下 方法是可行的,这个我是自己研究过的-------------------------------如果还是看不懂的话 只能说明我说的方法不适合你不是很难的东西 可以找其它的路了-------------------------------
re:muyanpeng_mail(穆彦鹏)的方法是比较简单。但是，如果页面含有frame，或者含有js调用的frame，还能获取link吗？
-----------------------------------------------------------
只要是在最后一次的 documentcomplment 之后进行判断 就不会有影响
-----------------------------------------------------------

Answer 6

MatchCollection matches = Regex.Matches(textBox1.Text, "/product/\\d+/\\d+\\.shtml", RegexOptions.IgnoreCase);
for (int i = 0; i < matches.Count; i++)
{
Match match = matches[i];
textBox2.Text += match.Value;
}

Answer 7

又是采集软件.对URL要求不高用正则就可以了.要想适用于脚本提交的连接相当困难.......