- A+
所属分类：.NET C#
首先感谢"北京 - 晴晴的分享", 咱们ttlsa游子群都乐于帮助和分享. 晴晴是咱们ttlsa第二位分享的妹纸. 妹纸说要发文章,打开RAR吓一跳,会.net的妹纸不得了.好了,以下是晴晴的原文.
今天给大家介绍下C#.net采集有声小说的demo,其实采集都是大同小意的，只要撑握好方法，所有数据都可以采集到。
不多说。直接粘代码+注释.
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 |
namespace CJ.BLL { public class FictionBLL { private string domain = "www.xiats.com";//提前定义好变量，这个变量以后会总用到。不用总重复写了 public void main() { //首先要找到一个列表页www.xiats.com/yslist/1.html string url = domain + "/yslist/1.html";//找到该页的最大页数，为了做遍历用 string html = Tool.GetHtml(url);//获取到源码 int maxPage = Tool.ToInt32(Regex.Match(html, "Page (?:\\d+) of (\\d+)</td>").Groups[1].Value);//正则里.*?是获取所有文字，包括数字,.Groups[2].Value指的是获取到第二个(.*?)里的数据 //好了。现在我们开始遍历数据 //要先分析出地址的下一页是什么 //所以要点开列表的第2页 www.xiats.com/yslist/1_2.html //好。最后真实地址找到。把2换成任意字符，如www.xiats.com/yslist/1_page.html string listurl = domain + "/yslist/1_page.html"; for (int i = 1; i <= maxPage; i++) { listurl = listurl.Replace("page", i.ToString());//获取到真实地址 List(listurl); } } /// <summary> /// 列表页数据分析 /// </summary> /// <param name="url"></param> public void List(string url) { //这里主要是获取到小说详情页的地址。 string html = Tool.GetHtml(url); //获取到源码后要把大的范围缩小，我们只需要中间的列表页信息 html = Regex.Match(html, "<DIV class=\"layout_newlist\">([\\s\\S]+?)<DIV id=div_3>", RegexOptions.IgnoreCase).Groups[1].Value;//RegexOptions.IgnoreCase指的是忽略大小写 //接下来就要取出详情页地址了 MatchCollection matchs = Regex.Matches(html, "<DIV><A href=\"(.*?)\">"); foreach (Match item in matchs) { string detailurl = domain + item.Groups[1].Value;//就这么简单的获取到了详情页地址 Detail(detailurl);//最麻烦的详情页分析来了 } } /// <summary> /// 详情页分析 /// </summary> /// <param name="url"></param> public void Detail(string url) { string html = Tool.GetHtml(url); string title = Regex.Match(html, "<h3>(.*?)</h3>", RegexOptions.IgnoreCase).Groups[1].Value; string broadcast = Regex.Match(html, "<LI>播音：<SPAN style=\"COLOR: red\"><font color=\"blus\"><a(?:.*?)\">(.*?)</a>").Groups[1].Value; string author = Regex.Match(html, "<LI>作者：<a title=\"(?:.*?)\" href=\"(?:.*?)\">(.*?)</a>").Groups[1].Value; string state = Regex.Match(html, " <LI>状态：(.*?)</LI>").Groups[1].Value; string content = Regex.Match(html, "小说简介</span></li></div>([\\s\\S]+?)</div>", RegexOptions.IgnoreCase).Groups[1].Value; content = content.Replace("<div>", string.Empty); //下一步就是要把获取到的数据源写到数据库了。这里不做数据库操作的DEMO。 //其它的大同小意，就不一一写出规则了。如果有问题，可以加入群一起讨论学习 //可能你已经发现。正则就是两种 //1、.*? 就是规则出所有文字 //2、[\\s\\S]+? 获取含有\r\n\t这类的文字内容 //做采集无非就是把大的内容缩放到最小。然后在匹配出想要获取的内容 //注：以上内容只是学习参考，数据还是最好自己原创。剽窃是对他人和自己的不公平 。 } } } |
C#源码：c#采集有声小说控制台源码
站点：运维生存时间 网址：http://www.ttlsa.com/html/3627.html
微信公众号
扫一扫关注运维生存时间公众号，获取最新技术文章~
