Extraer SVG de sitios web con C#

Para extraer SVG de un sitio web en C#, cargue la página con HTMLDocument, guarde elementos <svg> inline mediante OuterHTML y encuentre URL de SVG externos en elementos de imagen. Resuelva URL relativas con BaseURI, envíe solicitudes mediante Context.Network y guarde localmente las respuestas SVG correctas.

SVG es un formato de gráficos vectoriales diseñado principalmente para la web y usado a menudo en documentos HTML. Su principal ventaja es la capacidad de escalar a cualquier tamaño sin perder calidad. Junto con programabilidad, tamaño de archivo reducido, estilos e interactividad, SVG puede mejorar el atractivo visual y la funcionalidad de las páginas web. Diseñadores y desarrolladores pueden necesitar extraer imágenes SVG de un sitio web para archivado, análisis, migración o investigación personal de diseño.

Descargar SVG no siempre es tan fácil como parece. Si ha intentado guardar una imagen desde una página web con clic derecho, quizá haya notado que los archivos SVG suelen ser difíciles de extraer. Algunos gráficos SVG están incrustados directamente en HTML como elementos <svg>, mientras que otros se cargan como archivos externos. Aspose.HTML for .NET permite gestionar ambos casos mediante programación.

Extraer SVG inline de un sitio web en C#

Las imágenes SVG inline son elementos SVG <svg> cuyo contenido describe la imagen. SVG inline significa incrustar código SVG directamente en el código HTML en lugar de enlazar a un archivo SVG externo. Es una técnica popular para crear iconos, logotipos y otros elementos gráficos de sitios web.

Para guardar imágenes SVG inline, buscaremos todos los elementos <svg> en un documento HTML y usaremos la propiedad OuterHTML para obtener su contenido. Para descargar SVG inline de un sitio web en C#:

  1. Use el constructor HTMLDocument(Url) para crear una instancia de la clase HTMLDocument y pásele la URL del sitio web del que desea extraer imágenes SVG inline.
  2. Use el método GetElementsByTagName(“svg”) para recopilar todos los elementos <svg>. El método devuelve una lista de elementos <svg> del documento HTML.
  3. Cree un bucle para recorrer cada imagen SVG en el arreglo images.
  4. Para cada imagen del arreglo, use la propiedad OuterHTML para obtener el contenido del elemento SVG y el método File.WriteAllText(), que escribe el contenido SVG en un archivo local.
 1// How to extract inline SVG images from a webpage using C#
 2
 3// Open a document you want to download inline SVG images from
 4using HTMLDocument document = new HTMLDocument("https://products.aspose.com/html/net/");
 5
 6// Collect all inline SVG images
 7HTMLCollection images = document.GetElementsByTagName("svg");
 8
 9for (int i = 0; i < images.Length; i++)
10{
11    // Save each SVG element as an individual .svg file
12    File.WriteAllText(Path.Combine(OutputDir, $"{i}.svg"), images[i].OuterHTML);
13}

Nota: Algunos archivos SVG pueden estar protegidos por derechos de autor, así que revise los términos de uso antes de extraerlos y utilizarlos. Por ejemplo, usar un logotipo de empresa u otros SVG extraídos en proyectos de diseño puede considerarse plagio. Solicite permiso al propietario del sitio web antes de reutilizar sus archivos.

Extraer SVG externo de un sitio web en C#

SVG externo es un archivo SVG almacenado fuera de un documento HTML y cargado en el documento, por ejemplo, mediante una etiqueta <img>. Separar archivos SVG del HTML permite reutilizar la misma imagen SVG en varios lugares sin duplicar código, lo que hace que las páginas web sean más eficientes y fáciles de mantener.

Las imágenes SVG externas se representan con el elemento <img>, que también puede hacer referencia a otros tipos de imagen, por lo que las imágenes SVG deben filtrarse. Veamos cómo descargar SVG de un sitio web con la biblioteca Aspose.HTML for .NET:

  1. Use el constructor HTMLDocument(Url) para crear una instancia de la clase HTMLDocument y pásele la URL del sitio web del que desea extraer SVG externos.
  2. Use el método GetElementsByTagName(“img”) para recopilar todos los elementos <img>. El método devuelve una lista de elementos <img> del documento HTML.
  3. Use el método Select() para crear una colección distinta de URL relativas de imágenes y el método GetAttribute(“src”) para extraer el atributo src de cada elemento <img>.
  4. Para filtrar imágenes que no son SVG, use los métodos Where() y EndsWith() para comprobar si la URL termina con la extensión .svg.
  5. Cree URL absolutas de imágenes SVG usando la clase Url y la propiedad BaseURI de la clase HTMLDocument.
  6. Luego, para cada URL absoluta, cree una solicitud usando la clase RequestMessage.
  7. Use el método Context.Network.Send(request) del documento para enviar la solicitud. La respuesta se comprueba para confirmar que fue correcta.
  8. Finalmente, si la respuesta fue correcta, use el método File.WriteAllBytes() para guardar SVG en un archivo local.
 1// Download external SVG images from HTML using C#
 2
 3// Open a document you want to download external SVGs from
 4using HTMLDocument document = new HTMLDocument("https://products.aspose.com/html/net/");
 5
 6// Collect all image elements
 7HTMLCollection images = document.GetElementsByTagName("img");
 8
 9// Create a distinct collection of relative image URLs
10IEnumerable<string> urls = images.Select(element => element.GetAttribute("src")).Distinct();
11
12// Filter out non SVG images
13IEnumerable<string> svgUrls = urls.Where(url => url.EndsWith(".svg"));
14
15// Create absolute SVG image URLs
16IEnumerable<Url> absUrls = svgUrls.Select(src => new Url(src, document.BaseURI));
17
18foreach (Url url in absUrls)
19{
20    // Create a downloading request
21    using RequestMessage request = new RequestMessage(url);
22
23    // Download SVG image
24    using ResponseMessage response = document.Context.Network.Send(request);
25
26    // Check whether response is successful
27    if (response.IsSuccess)
28    {
29        // Save SVG image to a local file system
30        File.WriteAllBytes(Path.Combine(OutputDir, url.Pathname.Split('/').Last()), response.Content.ReadAsByteArray());
31    }
32}

Problemas comunes al extraer SVG

ProblemaCausaSolución
El SVG inline se guarda sin los estilos esperadosEl SVG depende de reglas CSS fuera del elemento <svg>Inspeccione los estilos relacionados e incluya el CSS necesario cuando el SVG independiente deba conservar el aspecto original
Faltan archivos SVG externosLa página referencia SVG mediante CSS, <object>, <embed> o una URL que no termina en .svgCompruebe elementos y atributos adicionales cuando la página no use <img src="...svg">
Las URL relativas de SVG se resuelven malLa URL de origen se combina sin la URI base de la páginaResuelva enlaces SVG con BaseURI del documento antes de enviar solicitudes
La descarga SVG falla con 403 o 404El servidor bloquea solicitudes directas de recursos o la URL redirigeCompruebe estado de respuesta, redirecciones, encabezados y permisos antes de guardar el archivo
El SVG extraído no debe reutilizarse comercialmenteLos SVG pueden ser logotipos, iconos o ilustraciones protegidos por derechos de autorRevise los términos del sitio web y obtenga permiso antes de reutilizarlo

FAQ

¿Cuál es la diferencia entre SVG inline y SVG externo?

SVG inline se almacena directamente en el documento HTML dentro de un elemento <svg>. SVG externo se almacena en un archivo .svg separado y se referencia desde la página, a menudo mediante un elemento <img>.

¿Cómo guardo SVG inline?

Busque elementos <svg> en el documento cargado y guarde el OuterHTML de cada elemento en un archivo local .svg.

¿Cómo descargo archivos SVG externos?

Encuentre las URL de recursos SVG, resuélvalas contra la URI base del documento, envíe solicitudes con la API de red y guarde las respuestas correctas en archivos locales.

¿Todos los SVG de una página se encuentran mediante etiquetas img?

No. Algunas páginas referencian SVG mediante CSS, <object>, <embed>, scripts o enlaces de iconos. Los ejemplos se centran en SVG inline y SVG externos referenciados por elementos de imagen.

Otras plataformas

Artículos relacionados sobre extracción de datos

Los ejemplos completos de C# y los archivos de datos están disponibles en el repositorio GitHub de Aspose.HTML for .NET.