如何使用Html Agility Pack获取嵌套img标签的src属性值？

嘿，我懂你现在的困扰——用Html Agility Pack抓嵌套img的src试了好几次都没成功，还要抓17个，确实让人头疼。咱们先从你给的简化HTML入手，一步步搞定这个问题！

先分析你的HTML结构 #

首先注意到你提供的HTML里有个小语法问题：<a href="#blank_link"> class="img">这里少了class属性的正确定义格式，应该是<a href="#blank_link" class="img">。不过Html Agility Pack的容错性很强，这点小问题通常不会影响解析，但咱们写代码的时候还是要基于正确的结构来定位元素。

两种可靠的提取方法 #

不管你是从字符串加载HTML，还是从网页抓取，下面两种方法都能帮你拿到所有目标img的src：

方法1：使用XPath定位（精准高效）

XPath可以直接按层级定位到目标img，避免误抓页面其他地方的img：

using HtmlAgilityPack;
using System.Collections.Generic;
using System.Linq;

// 加载你的HTML（这里用字符串示例，实际可以替换为从网页加载）
var htmlContent = @"<div class=""largeTitle""> 
    <article class=""articleItem"" data-id=""0000""> 
        <a href=""#blank_link"" class=""img""> 
            <img class="" lazyloaded"" data-src=""#blank_link"" alt=""test"" onerror=""script"" src=""image_link.jpg""> 
        </a> 
    </article> 
    <article class=""articleItem"" data-id=""0001""> 
        <a href=""#blank_link"" class=""img""> 
            <img class="" lazyloaded"" data-src=""#blank_link"" alt=""test"" onerror=""script"" src=""image_link.jpg""> 
        </a> 
    </article> 
</div>";

var doc = new HtmlDocument();
doc.LoadHtml(htmlContent);

// 用XPath筛选出largeTitle下所有articleItem里的img的src属性
var imageSrcList = doc.DocumentNode
    .SelectNodes("//div[@class='largeTitle']//article[@class='articleItem']//img/@src")
    ?.Select(node => node.Value)
    .ToList() ?? new List<string>();

// 遍历输出所有src
foreach (var src in imageSrcList)
{
    Console.WriteLine($"提取到的图片链接：{src}");
}

方法2：用LINQ遍历（更灵活）

如果你更习惯LINQ的写法，也可以通过节点遍历的方式获取：

// 同样先加载HTML文档
var doc = new HtmlDocument();
doc.LoadHtml(htmlContent);

// 遍历所有articleItem节点，再提取里面的img的src
var imageSrcList = doc.DocumentNode
    .Descendants("article")
    .Where(article => article.GetAttributeValue("class", "") == "articleItem")
    .SelectMany(article => article.Descendants("img"))
    .Select(img => img.GetAttributeValue("src", "默认值（可选）"))
    .ToList();

避坑提示 #

1. class属性的空格问题：你的img标签class是" lazyloaded"（前面有空格），如果用精确匹配@class='lazyloaded'会找不到，所以可以改用contains(@class, 'lazyloaded')来适配这种情况，比如XPath写成//img[contains(@class, 'lazyloaded')]/@src。
2. 空值判断：SelectNodes可能返回null，所以一定要加空值判断（比如用??或者if），避免空引用异常。
3. 确保加载完整HTML：如果是从网页抓取，要确认已经获取到完整的HTML内容（有些页面是动态加载的，Html Agility Pack只能处理静态HTML，动态内容需要用Selenium等工具）。

这样处理后，就能轻松提取到17个嵌套img的src属性啦！

内容的提问来源于stack exchange，提问作者David Howard