VB.NetでHTMLAgilitypackでエラーを防止する

Question

HTMLAgilityPackを使用してHTMLページを解析しています。しかし、ある時点で私は間違ったデータ（この特定の場合はイメージ）を解析しようとしますが、ofcは明白な理由で失敗します。

Private Sub parseHtml(ByVal content As String, ByVal url As String) 
    Try 
     Dim contentHash As String = hashGenerator.ComputeHash(content, "SHA1") 
     Dim doc As HtmlDocument = New HtmlDocument() 

     doc.Load(New StringReader(content)) 

     Dim root As HtmlNode = doc.DocumentNode 
     Dim anchorTags As New List(Of String) 

     For Each link As HtmlNode In root.SelectNodes("//a") 
      cururl = link.OuterHtml 
      If link.Attributes("href") Is Nothing Then Continue For 
      If Uri.IsWellFormedUriString(link.Attributes("href").Value, UriKind.Absolute) Then 
       urlQueue.Enqueue(link.Attributes("href").Value) 
      Else 
       Dim myUri As New Uri(url) 
       urlQueue.Enqueue(myUri.Scheme & "://" & myUri.Host & link.Attributes("href").Value) 
      End If 
     Next 
    Catch ex As Exception 
     MsgBox(ex.Message, MsgBoxStyle.Critical, "Error (parseHtml(" & url & "))") 
    End Try 
End Sub 

私が手にエラーがある：

タイプ 「System.NullReferenceException」 の最初のチャンス例外が オブジェクトのインスタンスに設定されていないWebcrawler.exeオブジェクト 参照で発生しました。私が解析しようとする内容に

：

Iޥ+：80X

コンテンツ」であるかどうかを確認する方法エラーを防ぐために解析する前に解析することができますか？

今のところ、エラーポップアップを表示する画像ですが、（x）htmlではないものと思われます。偉大なコミュニティOW事前に

感謝:)

Answer 1

あなたは、返されたデータを解析しようとする前に戻っcontent-typeヘッダをチェックする必要があります。

HTMLページの場合、これはtext/htmlである必要があります.XHTMLはapplication/xhtml+xmlであるためです。

Answer 2

OdedのようなオリジナルのHTTPヘッダーにアクセスできない場合は、最初に10文字以内に "<"文字を含めるとよいでしょう文字列の文字。

もちろん、保証はなく、極端なケースを処理する必要がありますが、ほとんどのガベージや予期しないコンテンツタイプを破棄して、特定のエンコードバイトをうまく通過させるようにします（UTF-等...）。