En utilisant C#, comment puis-je détecter un lien brisé ou une étiquette?

Question

J'ai un fichier HTML qui n'est pas syntaxiquement correct, je l'analyse avec HTML Agility Pack.

Mais si j'ai un lien comme

<a href="http://google.com/!/!!!">Google</a>

il est un problème, est-il un moyen possible de détecter les liens brisés de telle sorte que lorsqu'une erreur se trouve (aucune page est disponible sur ce lien) la application va stocker ce lien dans une liste et le retourner?

Même problème sur les balises, par exemple:

<img hhh="jjj"/> 

ici l'étiquette d'image est tout faux, cela devrait être dans la liste des erreurs pour la réparation »aussi.

Merci d'avance.

Answer 1

Vous devez effectuer une boucle sur Document.DocumentNode.Descendants("a") et vérifier si la balise href est incorrecte.

De même, vous pouvez passer en revue Document.DocumentNode.Descendants("img") et vérifier les attributs src.

EDIT:

Pour vérifier les mauvais attributs, vous pouvez maintenir une Dictionary<string, IEnumerable<string>> qui mappe les noms de balises aux attributs valides, utilisez LINQ pour trouver les attributs manquants, comme ceci:

from tag in Document.DocumentNode.Descendants() 
let legalAttributes = allAttributes[tag.TagName] 
from attribute in tag.Attributes 
where !legalAttributes.Contains(attribute.Name, StringComparer.OrdinalIgnoreCase) 
select new { Tag = tag.OuterHtml, Attribute = attribute.Name }