欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

c# 爬取優(yōu)酷電影信息(1)

 更新時間:2021年02月26日 09:45:40   作者:三十三重天  
這篇文章主要介紹了c# 如何爬取優(yōu)酷電影信息,幫助大家更好的理解和學(xué)習(xí)使用c#,感興趣的朋友可以了解下

爬蟲的制作主要分為三個方面
1、加載網(wǎng)頁結(jié)構(gòu)
2、解析網(wǎng)頁結(jié)構(gòu),轉(zhuǎn)變?yōu)榉闲枨蟮臄?shù)據(jù)實體
3、保存數(shù)據(jù)實體(數(shù)據(jù)庫,文本等)

在實際的編碼過程中,找到了一個好的類庫“HtmlAgilityPack”。
介紹:
官網(wǎng):http://html-agility-pack.net/?z=codeplex
Html Agility Pack源碼中的類大概有28個左右,其實不算一個很復(fù)雜的類庫,但它的功能確不弱,為解析DOM已經(jīng)提供了足夠強大的功能支持,可以跟jQuery操作DOM媲美)
使用說明:
Html Agility Pack(XPath 定位),在實際使用過程中,發(fā)現(xiàn)有部分內(nèi)容如果通過Css進行定位會比XPath更加方便,所以通過查找找到了另外一個CSS的解析了類庫 ScrapySharp(Css 定位)

整理:
Nuget包需要引用的庫
1、Html Agility Pack(XPath 定位)
2、ScrapySharp(Css 定位)

代碼下載地址:

https://github.com/happlyfox/FoxCrawler

第一點——加載網(wǎng)頁結(jié)構(gòu)

Html Agility Pack封裝了加載內(nèi)容的方法,使doc.Load(arguments),具有多種重載方式,以下列舉官網(wǎng)的三個實例

 /// <summary>
 /// 加載網(wǎng)頁結(jié)構(gòu)
 /// </summary>
 private static void LoadDocment()
 {
  // 從文件中加載
  var docFile = new HtmlDocument();
  docFile.Load("file path");

  // 從字符串中加載
  var docHtml = new HtmlDocument();
  docHtml.LoadHtml("html");

  // 從網(wǎng)站中加載
  var url = "http://html-agility-pack.net/";
  var web = new HtmlWeb();
  var docWeb = web.Load(url);
 }

第二點——解析網(wǎng)頁結(jié)構(gòu),轉(zhuǎn)變?yōu)榉闲枨蟮臄?shù)據(jù)實體

 /// <summary>
 /// 解析網(wǎng)頁結(jié)構(gòu)
 /// </summary>
 private static YouKu ParsingWebStructure()
 {
 /*選用優(yōu)酷片庫列表
  地址:http://list.youku.com/category/show/c_96_s_1_d_1_p_{index}.html 
 */

 //首先加載web內(nèi)容
 var url = "http://list.youku.com/category/show/c_96_s_1_d_1_p_1.html";
 var web = new HtmlWeb();
 var doc = web.Load(url);

 //輸出WebHtml內(nèi)容
 //Console.WriteLine(doc.DocumentNode.InnerHtml);

 /* HtmlAgilityPack 解析方式官網(wǎng)提供的有倆種示例*/
 //1、 With XPath	
 var value = doc.DocumentNode.SelectSingleNode("http://*[@id='total_videonum']").Attributes["id"].Value;
 var resultCount = doc.DocumentNode.SelectSingleNode("http://*[@id='total_videonum']").InnerText;

 Console.WriteLine($"id='{value}' 篩選結(jié)果:{resultCount}個");
 // 2、With LINQ	
 var linqNodes = doc.DocumentNode.SelectSingleNode("http://*[@id='filterPanel']/div[2]/ul").Descendants("li").ToList();

 Console.WriteLine("電影產(chǎn)地:");
 List<string> videoCountry = new List<string>();
 foreach (var node in linqNodes)
 {
  videoCountry.Add(node.InnerText);
  Console.Write($"{node.InnerText} \t");
 }

 //3、使用ScrapySharp進行Css定位
 var cssNodes = doc.DocumentNode.CssSelect("#filterPanel > div > label");
 Console.WriteLine();

 List<string> videoType = new List<string>();
 foreach (var node in cssNodes)
 {
  videoType.Add(node.InnerText);
  Console.Write($"{node.InnerText} \t");
 }

 //構(gòu)造實體
 YouKu model = new YouKu()
 {
  id = value,
  videoNum = int.Parse(resultCount),
  videoCountry = videoCountry,
  videoType = videoType
 };

 return model;
 }


public class YouKu
{
 public string id { get; set; }

 public int videoNum { get; set; }

 public List<string> videoCountry { get; set; }
 public List<string> videoType { get; set; }
}

第三點——保存數(shù)據(jù)實體,轉(zhuǎn)變?yōu)榉闲枨蟮臄?shù)據(jù)實體

 /// <summary>
 /// 保存數(shù)據(jù)實體
 /// </summary>
 private static void SavaData()
 {
 var model = ParsingWebStructure();
 var path = "youku.txt";

 if (!File.Exists(path))
 {
  File.Create(path);
 }

 File.WriteAllText(path, getJsonByObject(model));
 }

 private static string getJsonByObject(Object obj)
 {
 //實例化DataContractJsonSerializer對象,需要待序列化的對象類型
 DataContractJsonSerializer serializer = new DataContractJsonSerializer(obj.GetType());
 //實例化一個內(nèi)存流,用于存放序列化后的數(shù)據(jù)
 MemoryStream stream = new MemoryStream();
 //使用WriteObject序列化對象
 serializer.WriteObject(stream, obj);
 //寫入內(nèi)存流中
 byte[] dataBytes = new byte[stream.Length];
 stream.Position = 0;
 stream.Read(dataBytes, 0, (int)stream.Length);
 //通過UTF8格式轉(zhuǎn)換為字符串
 return Encoding.UTF8.GetString(dataBytes);
 }

第四點——main

 static void Main(string[] args)
 {
 ///爬蟲的制作主要分為三個方面
 ///1、加載網(wǎng)頁結(jié)構(gòu)
 ///2、解析網(wǎng)頁結(jié)構(gòu),轉(zhuǎn)變?yōu)榉闲枨蟮臄?shù)據(jù)實體
 ///3、保存數(shù)據(jù)實體(數(shù)據(jù)庫,文本等)


 /*
  * 在實際的編碼過程中,找到了一個好的類庫“HtmlAgilityPack”。
  * 介紹:
  * 官網(wǎng):http://html-agility-pack.net/?z=codeplex
  * Html Agility Pack源碼中的類大概有28個左右,其實不算一個很復(fù)雜的類庫,但它的功能確不弱,為解析DOM已經(jīng)提供了足夠強大的功能支持,可以跟jQuery操作DOM媲美)
  * 使用說明:
  * Html Agility Pack(XPath 定位),在實際使用過程中,發(fā)現(xiàn)有部分內(nèi)容如果通過Css進行定位會比XPath更加方便,所以通過查找找到了另外一個CSS的解析了類庫 ScrapySharp(Css 定位)
  * 整理:
  * Nuget包需要引用的庫
  * 1、Html Agility Pack(XPath 定位)
  * 2、ScrapySharp(Css 定位)
  */


 //第一點——加載網(wǎng)頁結(jié)構(gòu),Html Agility Pack封裝了加載內(nèi)容的方法,使用doc.Load(arguments),具有多種重載方式,以下列舉官網(wǎng)的三個實例
 //LoadDocment();

 //第二點——解析網(wǎng)頁結(jié)構(gòu),轉(zhuǎn)變?yōu)榉闲枨蟮臄?shù)據(jù)實體
 //ParsingWebStructure();

 //第三點——保存數(shù)據(jù)實體,轉(zhuǎn)變?yōu)榉闲枨蟮臄?shù)據(jù)實體
 SavaData();
 Console.Read();
 }

以上就是c# 爬取優(yōu)酷電影信息(1)的詳細內(nèi)容,更多關(guān)于c# 爬取優(yōu)酷電影信息的資料請關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

最新評論