C#获取页面中的链接问题

Question

如何用C#获取页面上的链接?

有一个网页(网址:www.aaa.com),有几个链接:
1: /a.html
2: http://www.bbb.com/index.html
3: www.ccc.com
4: www.ddd.com/default.htm
5: www.eee.com/search.asp?q=abc

请将这些地址转变成绝对链接:
1: http://www.aaa.com/a.htm
2: http://www.bbb.com/index.html
3: http://www.ccc.com
3: http://www.ddd.com/default.htm
5: http://www.eee.com/search.asp?q=abc

获取这些链接的文件类型(扩展名):
1: htm
2: html
3: "" (默认)
4: htm
5: asp
※ 要代码(代码简单,高效,占用内存少,处理速度快) ※

我用Path.GetExtension方法处理链接5时得到的是asp?q=abc

Answer 1

读取页面HTML内容，然后存入string中进行分析就OK了，利用string类的方法你可以解决问题，还有一个办法就是你读取到目标页面之后，在你的本地生成一个页面，在页面插入script代码，利用script代码中的document对象来获取你需要的链接地址。不过在分析文件后缀名的时候还是要用到字符串处理的

Answer 2

偶刚写了一个方法，是把页面中所有可能产生链接的相对地址改成绝对地址，c＃写的，不知楼主感兴趣否。

修正网页内容中的相对地址 CorrentUrl(string Url,string content)
//处理可能包含地址的属性,src,background,href,action

用了大量的字符处理，没发出来，是因为楼主说：
代码简单,高效,占用内存少,处理速度快
偶这点不敢保证，不过处理不是很大量的网页内容，速度应该是没问题，因为这个已经测试过并在使用了。

Answer 3

string url1="http://www.eee.com/search.asp?q=abc";
System.Web.HttpRequest req = new System.Web.HttpRequest("",url1,"abc");
Console.WriteLine( req.Path);
Console.WriteLine( req.RawUrl);
Console.WriteLine( req.Url);

Answer 4

----c sharp code------
Uri dd = new Uri("http://www.sina.com.cn/a.htm?s=121");
string url1 = string.Format("http://{0}/b.htm", dd.Authority);
----end c sharp code------

Answer 5

上网查吧