如何使用HTML Agility Pack为a标签href属性正确添加域名前缀

架构老林

2026-10-5

问题修复方案

问题根源

外层遍历component row-splitter类的div节点时，内层每次都查询整个文档的所有带href属性的a标签，而非当前遍历到的div下的a标签。如果页面匹配到4个对应类的div，所有a标签就会被循环修改4次，最终出现前缀重复拼接的问题
缺少空值校验，节点匹配不到时容易触发空引用异常
没有过滤已有的绝对路径链接，可能导致本身就是完整地址的链接被错误修改

修复后代码

HtmlWeb web = new HtmlWeb();
HtmlDocument doc = web.Load("myLink");
// 定义统一拼接前缀
const string targetPrefix = "https://advancecare.pt";

// 先校验div节点查询结果，避免空引用
var targetDivs = doc.DocumentNode.SelectNodes("//div[@class='component row-splitter']");
if (targetDivs != null)
{
    foreach (HtmlNode currentDiv in targetDivs)
    {
        // 仅查询当前div下的a标签，避免重复遍历全文档链接
        var linkNodes = currentDiv.SelectNodes(".//a[@href]");
        if (linkNodes == null) continue;
        
        foreach (HtmlNode link in linkNodes)
        {
            string hrefValue = link.GetAttributeValue("href", string.Empty).Trim();
            // 仅相对路径拼接前缀，已经是http/https开头的绝对路径直接跳过
            if (!string.IsNullOrEmpty(hrefValue) && !hrefValue.StartsWith("http"))
            {
                // 自动处理前缀和路径之间的斜杠，避免出现双斜杠或者缺斜杠的问题
                string finalHref = hrefValue.StartsWith("/") ? $"{targetPrefix}{hrefValue}" : $"{targetPrefix}/{hrefValue}";
                link.SetAttributeValue("href", finalHref);
            }
        }
    }
}