为什么从HTML中提取图像？(好处与用例)
HTML 文件通常包含几种类型的图像，例如：标准 <img> 标签图像、Base64 内联图像(data:image/...)、在 CSS 中定义的图像(例如，background-image)、SVG 图标和图形、外部链接的图像或嵌入的图像资源。从 HTML 文档中提取图像对于以下用途很有帮助：
- 内容迁移
- 从HTML电子邮件中提取媒体
- 网页爬虫和分析
- 为机器学习准备训练数据集
- 将 HTML 转换为 PDF/Word，同时保留媒体
- 存档网页及其原始资产
HTML 处理 API
GroupDocs.Parser Cloud SDK for .NET 是一个强大的基于 REST 的 API，能够处理所有流行的文件格式，包括 HTML 文件。它使您能够操作 HTML 文件，您可以使用它来：
- 解析 HTML 文档
- 提取嵌入式和内联图像
- 提取 Base64 编码的图像
- 检测外部图像引用
- 检索元数据(大小，类型，路径)
- 下载提取的图像到本地
- 自动化 HTML 解析工作流程
支持的图像格式
先决条件
- 一个 GroupDocs Cloud 账户(客户端 ID 和客户端密钥)。
- .NET 6.0+ 已安装。
- 视觉 Studio 或兼容的 IDE。
- NuGet 包:
GroupDocs.Parser-Cloud
通过 NuGet 安装
dotnet add package GroupDocs.Parser-Cloud --version 25.7.0
从 HTML 中提取图像使用 C#
以下是一个完整的 C# 示例，演示了使用 Cloud API 提取 HTML 图像。
步骤 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);
步骤 2 — 提供用于解析的 HTML 文件信息：
var fileInfo = new FileInfo { FilePath = "input.html" };
var options = new ImagesOptions { FileInfo = fileInfo };
var request = new ImagesRequest(options);
步骤 3 — 从 HTML 中提取图像(嵌入式、内联和 Base64)：
var response = parserApi.Images(request);
foreach (var image in response.Images)
{
Console.WriteLine($"Source: {image.Path}, Type: {image.MediaType}, Size: {image.Size}");
}
步骤 4 — 下载提取的图像(适用于 macOS 和 Windows)：
var outputDirectory = "/Users/nayyer/Downloads/html-images";
Directory.CreateDirectory(outputDirectory);
foreach (var img in response.Images)
{
var cloudImagePath = img.Path.Replace("\\", "/");
var downloadRequest = new DownloadFileRequest(path: cloudImagePath);
using (var stream = fileApi.DownloadFile(downloadRequest))
{
var localPath = Path.Combine(outputDirectory, Path.GetFileName(cloudImagePath));
using (var fileStream = File.Create(localPath))
{
stream.CopyTo(fileStream);
}
Console.WriteLine($"Downloaded: {localPath}");
}
}
// 有关更多示例，请访问 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 下载 HTML 图像
除了 C# 代码片段，我们还可以使用 cURL 命令从 HTML 文件下载图像。
第 1 步 — 生成访问令牌： 此方法的第一步是根据客户端凭据生成 JWT 访问令牌。
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"}"
尝试免费在线 HTML 图片提取器
我们提供一个免费的在线 Online HTML Image Extractor，基于 GroupDocs.Parser Cloud API 开发。无需软件安装或下载，可以在网页浏览器中评估 REST API 的功能。
结论
在本文中，我们已经学习了使用 .NET REST API 从 HTML 中提取图像的最准确方法。使用此 API，您可以：
- 提取嵌入式和内联图像
- 解析 Base64 编码的图像
- 提取 CSS 背景图像
- 检索链接图像的元数据
- 通过编程方式下载所有图像
因此，这是在 C# 应用程序中自动化 HTML 媒体提取的最佳解决方案。
相关文章
我们强烈推荐访问以下文章以了解更多信息：
常见问题解答 (FAQs)
我可以从 HTML 中提取嵌入的 Base64 图像吗？ 是的，API 会自动提取 Base64 编码和内联 HTML 图像。
API 是否提取外部链接的图像？ API 提取链接图像的元数据；下载它们是可选的。
我可以提取在 CSS 中引用的图像吗？ 是的，内联或嵌入 CSS 引用的图像是支持的。
支持哪些图像格式？ JPG、PNG、BMP、GIF、TIFF 和其他常见图像类型。
是否有免费试用？ 是的。您可以创建一个免费帐户并获得每月 150 次免费的 API 调用。