如何从C#获取的innerHTML中提取img src的id和number参数值

没问题，我来帮你搞定这个提取img标签src参数的需求。你已经通过Selenium的C#代码拿到了目标元素的innerHTML，现在需要从中提取每个img标签里的id和number参数值，输出成id,number id,number...的格式对吧？

先回顾下你的现有代码和输出内容：

现有获取innerHTML的代码 #

var list = driver.FindElement(By.Id("list")); 
var innerHtml = list.GetAttribute("innerHTML"); 
Console.Write(innerHtml);

输出的innerHTML内容 #

<list class="bla"> 
<img src="http://www.example.com?id=1&number=1"> 
<img src="http://www.example.com?id=12&number=11"> 
<img src="http://www.example.com?id=13&number=111"> 
<img src="http://www.example.com?id=11&number=11"> 
<img src="http://www.example.com?id=21&number=12"> 
</list>

下面给你两种可行的解决方案，分别适合不同场景：

方法一：正则表达式（适合HTML结构固定的简单场景） #

如果你的HTML格式非常规整，不会出现参数顺序变化、额外参数或者标签属性位置变动的情况，用正则表达式是最快捷的方式。

using System.Text.RegularExpressions;
using System.Collections.Generic;

// 假设已经获取到innerHtml字符串
string innerHtml = list.GetAttribute("innerHTML");

// 定义正则匹配规则：捕获img标签src中的id和number数字值
Regex paramRegex = new Regex(@"<img src=""http://www.example.com\?id=(\d+)&number=(\d+)""", RegexOptions.IgnoreCase);

// 匹配所有符合条件的结果
MatchCollection matches = paramRegex.Matches(innerHtml);

List<string> resultList = new List<string>();
foreach (Match match in matches)
{
    // 确保捕获到了两组值（id和number）
    if (match.Groups.Count == 3)
    {
        string id = match.Groups[1].Value;
        string number = match.Groups[2].Value;
        resultList.Add($"{id},{number}");
    }
}

// 按要求格式输出结果
Console.WriteLine(string.Join(" ", resultList));

代码说明： #

• (\d+)：用于捕获连续的数字字符，对应id和number的参数值
• RegexOptions.IgnoreCase：避免HTML标签大小写不一致导致匹配失败（比如<IMG>或者<Img>）
• 最终通过string.Join把结果拼接成空格分隔的格式

方法二：HTML解析库（更健壮，适合复杂/可变HTML场景） #

正则处理HTML有天生的局限性——如果HTML结构发生变化（比如参数顺序调换、新增其他参数、标签有额外属性），正则就会失效。这种情况下推荐用专业的HTML解析库HtmlAgilityPack，它能可靠地解析HTML结构并提取内容。

步骤1：安装HtmlAgilityPack #

通过NuGet包管理器安装：

Install-Package HtmlAgilityPack

步骤2：编写解析代码 #

using HtmlAgilityPack;
using System.Collections.Generic;
using System.Web; // 用于解析URL参数

// 获取innerHTML字符串
string innerHtml = list.GetAttribute("innerHTML");

// 初始化HTML文档并加载内容
HtmlDocument htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(innerHtml);

// 选择所有img标签节点
var imgNodes = htmlDoc.DocumentNode.SelectNodes("//img");

List<string> resultList = new List<string>();
foreach (var imgNode in imgNodes)
{
    // 检查img标签是否有src属性
    if (imgNode.Attributes["src"] != null)
    {
        string srcUrl = imgNode.Attributes["src"].Value;
        // 解析URL的查询参数
        var queryParams = HttpUtility.ParseQueryString(new System.Uri(srcUrl).Query);
        
        string id = queryParams["id"];
        string number = queryParams["number"];
        
        // 确保参数值不为空
        if (!string.IsNullOrEmpty(id) && !string.IsNullOrEmpty(number))
        {
            resultList.Add($"{id},{number}");
        }
    }
}

// 输出结果
Console.WriteLine(string.Join(" ", resultList));

代码说明： #

• HtmlAgilityPack会把HTML解析成DOM结构，不管标签格式怎么变，都能准确找到所有img标签
• HttpUtility.ParseQueryString专门用于解析URL的查询参数，不管参数顺序如何，都能直接通过参数名获取值
• 这种方法容错性更强，适合HTML结构可能变动的场景

内容的提问来源于stack exchange，提问作者University Help