Analyzing your prompt, please hold on...
An error occurred while retrieving the results. Please refresh the page and try again.
Para extraer imágenes de un sitio web en C#, cargue la página con HTMLDocument, recopile elementos <img> o <link> de iconos, lea los atributos src o href, resuelva rutas relativas con BaseURI, envíe solicitudes mediante Context.Network y guarde las respuestas correctas como archivos de imagen locales.
Desarrolladores web, diseñadores, investigadores, periodistas y estudiantes a menudo necesitan recopilar imágenes de páginas web para análisis, archivado, migración o investigación personal. Descargar imágenes manualmente lleva tiempo porque cada URL debe encontrarse, resolverse, solicitarse y guardarse. Aspose.HTML for .NET ayuda a automatizar este flujo y a extraer imágenes de un sitio web mediante programación.
La mayoría de las imágenes de un documento HTML se representan con el elemento <img>. Este ejemplo muestra cómo usar Aspose.HTML for .NET para encontrar imágenes especificadas por ese elemento. Para descargar imágenes de un sitio web en C#:
HTMLDocument y pásele la URL del sitio web del que desea buscar imágenes.<img>. El método devuelve una lista de elementos <img> del documento HTML.Select() para crear una colección distinta de URL de imágenes relativas y el método
GetAttribute(“src”) para extraer el atributo src de cada elemento <img>.HTMLDocument.File.WriteAllBytes() para guardar cada imagen en un archivo local. 1// Extract images from website using C#
2
3// Load a webpage that contains <img> elements
4using HTMLDocument document = new HTMLDocument("https://docs.aspose.com/html/net/tutorial/html-colors/");
5
6// Collect all <img> elements
7HTMLCollection images = document.GetElementsByTagName("img");
8
9// Extract distinct src values and skip empty and data URI sources
10IEnumerable<string> sources = images
11 .Select(image => image.GetAttribute("src"))
12 .Where(src => !string.IsNullOrWhiteSpace(src) &&
13 !src.StartsWith("data:", StringComparison.OrdinalIgnoreCase))
14 .Distinct();
15
16foreach (string src in sources)
17{
18 // Resolve the image URL against the document base URI
19 Url imageUrl = new Url(src, document.BaseURI);
20
21 using RequestMessage request = new RequestMessage(imageUrl);
22 using ResponseMessage response = document.Context.Network.Send(request);
23
24 if (!response.IsSuccess)
25 continue;
26
27 string fileName = Path.GetFileName(imageUrl.Pathname);
28
29 if (string.IsNullOrWhiteSpace(fileName))
30 continue;
31
32 File.WriteAllBytes(Path.Combine(OutputDir, fileName), response.Content.ReadAsByteArray());
33}Nota: Es importante cumplir las leyes de derechos de autor y obtener permisos o licencias adecuados antes de usar imágenes guardadas con fines comerciales. No apoyamos la extracción de datos ni el uso comercial de archivos de terceros sin su permiso.
Los iconos son un tipo de imagen en documentos HTML que se especifica mediante elementos <link> con el atributo rel establecido en icon. Veamos cómo extraer iconos de un sitio web con la biblioteca Aspose.HTML for .NET:
HTMLDocument y pásele la URL del sitio web del que desea extraer iconos.<link>.Where(), que filtra la colección según la expresión link => link.GetAttribute("rel") == "icon". Así, la colección icons contendrá solo links con un atributo rel cuyo valor es icon.Select() para crear una colección distinta de URL relativas de iconos y el método
GetAttribute(“href”) para extraer el atributo href de cada elemento <link>.HTMLDocument.File.WriteAllBytes() para guardar los iconos en un archivo local. Como resultado, tendrá una colección de iconos del sitio web en su carpeta local. 1// Download icons from website using C#
2
3using HTMLDocument document = new HTMLDocument("https://docs.aspose.com/html/net/message-handlers/");
4
5// Collect all <link> elements
6HTMLCollection links = document.GetElementsByTagName("link");
7
8string[] iconTypes =
9{
10 "icon",
11 "apple-touch-icon",
12 "apple-touch-icon-precomposed",
13 "mask-icon"
14};
15
16// Select links whose rel attribute contains an icon-related token
17IEnumerable<Element> icons = links.Where(link =>
18 link.GetAttribute("rel")
19 .Split()
20 .Any(token => iconTypes.Contains(
21 token,
22 StringComparer.OrdinalIgnoreCase)));
23
24// Extract distinct href values and skip empty and data URI sources
25IEnumerable<string> sources = icons
26 .Select(icon => icon.GetAttribute("href"))
27 .Where(href => !string.IsNullOrWhiteSpace(href) &&
28 !href.StartsWith("data:", StringComparison.OrdinalIgnoreCase))
29 .Distinct();
30
31foreach (string src in sources)
32{
33 // Resolve the icon URL against the document base URI
34 Url iconUrl = new Url(src, document.BaseURI);
35
36 using RequestMessage request = new RequestMessage(iconUrl);
37 using ResponseMessage response = document.Context.Network.Send(request);
38
39 if (!response.IsSuccess)
40 continue;
41
42 string fileName = Path.GetFileName(iconUrl.Pathname);
43
44 if (string.IsNullOrWhiteSpace(fileName))
45 continue;
46
47 File.WriteAllBytes(Path.Combine(OutputDir, fileName), response.Content.ReadAsByteArray());
48}Puede usar estos ejemplos de C# para automatizar la extracción de imágenes de un sitio web para archivado, investigación, análisis de contenido web u otros flujos de uso personal. Para diseñadores y desarrolladores, el mismo flujo ayuda a recopilar recursos de una página sin revisar manualmente el marcado fuente.
| Problema | Causa | Solución |
|---|---|---|
| Las imágenes no se descargan | El atributo src contiene un data URI o una cadena vacía | Omita data URIs (src.StartsWith("data:")) y filtre valores vacíos antes de descargar |
| Las URL relativas se resuelven mal | Falta BaseURI o la página usa una etiqueta <base> | Use document.BaseURI o lea el elemento <base> y combínelo con la ruta relativa |
| Errores HTTP (404/403) detienen el script | No hay manejo de errores alrededor de Network.Send | Compruebe response.IsSuccess y continúe el bucle si falla |
| Los archivos se sobrescriben | Nombres de archivo duplicados procedentes de distintas URL | Genere nombres únicos, por ejemplo, con un contador o un hash de la URL |
| Faltan iconos | rel puede contener varios valores, como "shortcut icon", por lo que == "icon" falla | Divida rel por espacios y compruebe si contiene "icon". También puede coincidir con "shortcut" o "apple-touch-icon" si es necesario |
Las imágenes estándar suelen encontrarse en elementos <img> mediante el atributo src. Los iconos de sitios web suelen encontrarse en elementos <link> mediante el atributo href cuando rel contiene valores relacionados con iconos.
Muchas páginas usan URL de imagen relativas. BaseURI ayuda a resolver esas rutas relativas contra la URL del documento cargado antes de enviar solicitudes de descarga.
Las imágenes data URI están incrustadas directamente en HTML y deben gestionarse por separado de las URL HTTP o HTTPS. Fíltrelas antes de enviar solicitudes de red.
Genere nombres de archivo locales únicos, por ejemplo, añadiendo un contador, usando un hash de URL o conservando parte de la ruta de origen al guardar las imágenes.
Los ejemplos completos de C# y los archivos de datos están disponibles en el repositorio GitHub de Aspose.HTML for .NET.
Analyzing your prompt, please hold on...
An error occurred while retrieving the results. Please refresh the page and try again.