C#實現(xiàn)Internet信息抓取
背景
隨著Internet的普及，網(wǎng)絡(luò)信息正以極高的速度增長，在這么多數(shù)據(jù)中找到自己需要的信息是一件很繁瑣的事情，找到需要的信息后如何獲取也是件麻煩的事。這就需要C#實現(xiàn)Internet信息抓取程序來代替人工的操作。
所謂Internet信息抓取程序，就是程序會按照用戶的關(guān)鍵詞或關(guān)鍵網(wǎng)站來收集相應(yīng)的信息，并提供給用戶想要的信息格式。
信息量的增加會帶來信息網(wǎng)站發(fā)布人員工作量的劇增，為實現(xiàn)信息發(fā)布系統(tǒng)實現(xiàn)信息自
動發(fā)布、減少工作人員工作量、即時跟蹤最新信息，就需要自動信息提供程序，因此C#實現(xiàn)Internet信息抓取程序應(yīng)運而生。
目標(biāo)
實現(xiàn)自定義網(wǎng)站信息分類抓取，存入本地數(shù)據(jù)庫、生成靜態(tài)頁面或其它用戶定義的信息結(jié)構(gòu)，并下載與信息相關(guān)的多媒體文件。
開發(fā)
目標(biāo)站點結(jié)構(gòu)分析
本步驟是準(zhǔn)確抓取信息個關(guān)鍵。
首先要選擇更新頻率高的頁面做為抓取地址，然后分析要抓取內(nèi)容頁面url特點。
然后分析要抓取信息頁面的元素特性，比如標(biāo)題位置，內(nèi)容位置 等，得到定位標(biāo)記點。
將以上信息寫成自己的配置文件或存到數(shù)據(jù)庫中。
每個網(wǎng)站都需要分析，寫出單獨的配置文件，供抓取程序使用。
信息提取
根據(jù)配置文件取得要抓取頁面url，使用HttpWebRequest類獲取內(nèi)容：
- //獲取http頁面函數(shù)
- publicstringGet_Http(stringa_strUrl,inttimeout)
- {
- stringstrResult;
- try
- {
- HttpWebRequestmyReq=(HttpWebRequest)HttpWebRequest.Create(a_strUrl);
- myReq.Timeout=timeout;
- HttpWebResponseHttpWResp=(HttpWebResponse)myReq.GetResponse();
- StreammyStream=HttpWResp.GetResponseStream();
- StreamReadersr=newStreamReader(myStream,Encoding.Default);
- StringBuilderstrBuilder=newStringBuilder();
- while(-1!=sr.Peek())
- {
- strBuilder.Append(sr.ReadLine()+"\r\n");
- }
- strResult=strBuilder.ToString();
- }
- catch(Exceptionexp)
- {
- strResult="錯誤："+exp.Message;
- }
- returnstrResult;
- }
以上介紹C#實現(xiàn)Internet信息抓取
【編輯推薦】
