為什麼要從 HTML 中提取圖像？(好處與用例)
HTML 檔案經常包含幾種圖像類型，例如：標準 <img> 標籤圖像、Base64 內嵌圖像 (data:image/...)、在 CSS 中定義的圖像(例如，background-image)、SVG 圖示和圖形、外部鏈接的圖像或嵌入的圖像資源。從 HTML 文檔中提取圖像對於以下用途是有幫助的：
- 內容遷移
- 從 HTML 電子郵件中提取媒體
- 網頁爬蟲與分析
- 準備機器學習的訓練數據集
- 將 HTML 轉換為 PDF/Word 同時保留媒體
- 存檔網頁及原始資產
HTML 處理 API
GroupDocs.Parser Cloud SDK for .NET 是一個強大的基於 REST 的 API，能夠處理所有熱門文件格式，包括 HTML 文件。它使您可以操作 HTML 文件，您可以用它來：
- 解析 HTML 文件
- 提取嵌入式和行内圖像
- 提取 Base64 編碼的圖像
- 檢測外部圖像引用
- 檢索元數據(大小、類型、路徑)
- 下載本地提取的圖像
- 自動化 HTML 解析工作流程
支援的影像格式
先決條件
- A GroupDocs Cloud account (Client ID & Client Secret).
- .NET 6.0+ 已安裝。
- Visual Studio 或相容的 IDE。
- NuGet 套件：
GroupDocs.Parser-Cloud
透過 NuGet 安裝
dotnet add package GroupDocs.Parser-Cloud --version 25.7.0
從 HTML 擷取圖片使用 C#
以下是完整的 C# 示例，演示如何使用 Cloud API 進行 HTML 圖像提取。
步驟 1 — 初始化 API：
var config = new Configuration("YOUR_CLIENT_ID", "YOUR_CLIENT_SECRET");
var parserApi = new ParserApi(config);
var fileApi = new FileApi(config);
步驟 2 — 提供用於解析的 HTML 文件資訊：
var fileInfo = new FileInfo { FilePath = "input.html" };
var options = new ImagesOptions { FileInfo = fileInfo };
var request = new ImagesRequest(options);
步驟 3 — 從 HTML 中提取圖片(嵌入式、內聯及 Base64)：
var response = parserApi.Images(request);
foreach (var image in response.Images)
{
Console.WriteLine($"Source: {image.Path}, Type: {image.MediaType}, Size: {image.Size}");
}
步驟 4 — 下載提取的圖片(適用於 macOS 和 Windows)：
var outputDirectory = "/Users/nayyer/Downloads/html-images";
Directory.CreateDirectory(outputDirectory);
foreach (var img in response.Images)
{
var cloudImagePath = img.Path.Replace("\\", "/");
var downloadRequest = new DownloadFileRequest(path: cloudImagePath);
using (var stream = fileApi.DownloadFile(downloadRequest))
{
var localPath = Path.Combine(outputDirectory, Path.GetFileName(cloudImagePath));
using (var fileStream = File.Create(localPath))
{
stream.CopyTo(fileStream);
}
Console.WriteLine($"Downloaded: {localPath}");
}
}
// 如需更多示例，請訪問 https://github.com/groupdocs-parser-cloud/groupdocs-parser-cloud-dotnet
var configuration = new Configuration("XXXXXXX-XXXXXXX-XXXXXX-XXXXXX", "XXXXXXXXXXXX");
configuration.ApiBaseUrl = "https://api.groupdocs.cloud";
var parserApi = new ParserApi(config);
var fileApi = new FileApi(config);
var fileInfo = new FileInfo { FilePath = "input.html" };
var options = new ImagesOptions { FileInfo = fileInfo };
var request = new ImagesRequest(options);
var response = parserApi.Images(request);
foreach (var image in response.Images)
{
Console.WriteLine($"Source: {image.Path}, Type: {image.MediaType}, Size: {image.Size}");
}
var outputDirectory = "/Users/nayyer/Downloads/html-images";
Directory.CreateDirectory(outputDirectory);
foreach (var img in response.Images)
{
var cloudImagePath = img.Path.Replace("\\", "/");
var downloadRequest = new DownloadFileRequest(path: cloudImagePath);
using (var stream = fileApi.DownloadFile(downloadRequest))
{
var localPath = Path.Combine(outputDirectory, Path.GetFileName(cloudImagePath));
using (var fileStream = File.Create(localPath))
{
stream.CopyTo(fileStream);
}
Console.WriteLine($"Downloaded: {localPath}");
}
}
使用 cURL 下載 HTML 圖片
除了 C# 代碼片段，我們還可以使用 cURL 命令從 HTML 文件中下載圖像。
步驟 1 — 生成訪問令牌： 這種方法的第一步是根據客戶端憑據生成 JWT 訪問令牌。
curl -v -X POST "https://api.groupdocs.cloud/connect/token" \
-d "grant_type=client_credentials&client_id=YOUR_CLIENT_ID&client_secret=YOUR_CLIENT_SECRET" \
-H "Content-Type: application/x-www-form-urlencoded"
*Step 2 — Extract Images:
curl -v -X POST "https://api.groupdocs.cloud/v1.0/parser/images" \
-H "accept: application/json" \
-H "authorization: Bearer {ACCESS_TOKEN}" \
-H "Content-Type: application/json" \
-d "{ "FileInfo": { "FilePath": "inbox/input.html", "StorageName": "internal" }, "OutputPath": "extracted-images"}"
嘗試免費的線上 HTML 圖片提取器
我們提供一個免費的在線 Online HTML Image Extractor，基於 GroupDocs.Parser Cloud API 開發。不需要安裝或下載任何軟體，並在網頁瀏覽器內評估 REST API 的功能。
結論
在這篇文章中，我們已經學習了使用 .NET REST API 從 HTML 中提取圖像的最準確方法。藉助這個 API，您可以：
- 提取嵌入式和內聯圖像
- 解析 Base64 編碼的圖片
- 提取 CSS 背景圖像
- 檢索鏈接圖像的元數據
- 下載所有圖像的程式化方法
因此，這是用於自動化 C# 應用程序中 HTML 媒體提取的最佳解決方案。
相關文章
我們強烈建議參閱以下文章以了解更多資訊：
常見問題 (FAQs)
我可以從 HTML 中提取嵌入的 Base64 圖像嗎？ 是的，API 會自動提取 Base64 編碼和內聯 HTML 圖像。
API 是否提取外部鏈接的圖片？ 此 API 擷取連結圖像的元資料；下載它們是可選的。
我可以提取在 CSS 中引用的圖像嗎？ 是的，通過內嵌或嵌入的 CSS 引用的圖片是受支持的。
支援哪些圖像格式？ JPG、PNG、BMP、GIF、TIFF 及其他常見的影像類型。
是否有免費試用？ 是的。您可以創建一個免費帳戶並獲得每月 150 次免費 API 調用。