C#采集有声小说控制台(附源码)

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.文章源自运维生存时间-https://www.ttlsa.com/csharp/csharp-get-voice-store-source/

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  文章源自运维生存时间-https://www.ttlsa.com/csharp/csharp-get-voice-store-source/

站点：运维生存时间  网址：https://www.ttlsa.com/html/3627.html文章源自运维生存时间-https://www.ttlsa.com/csharp/csharp-get-voice-store-source/ 文章源自运维生存时间-https://www.ttlsa.com/csharp/csharp-get-voice-store-source/