C#丨爬虫基础

在前几天看到一片公众号的文章是关于.NET玩爬虫。

所以今天小编索性来try一下，恰好小编最近在关注房价这一块的，索性就写了一个例子抓取房产信息的。

不善言辞的小编直接给出代码吧！相信读者也等不及了。你要是觉得有用就推荐一下或者评论一下吧！

using HtmlAgilityPack;
using System;
using System.Collections.Generic;
using System.IO;
using System.Linq;
using System.Net;
using System.Text;

namespace CatchWeb
{
    class Program
    {

        /// <summary>
        ///
        /// 作者：haojieli
        /// 时间：2017-02-21
        /// 备注：HtmlAgilityPack例子
        ///
        /// </summary>
        /// <param name="args"></param>
        static void Main(string[] args)
        {
            start();

        }

        public static void start()
        {
            Console.WriteLine("------------------------");
            Console.WriteLine("---只可作为学习用途！");
            Console.WriteLine("---作者：haojieli");
            Console.WriteLine("---邮箱：2252487366@qq.com");
            Console.WriteLine("------------------------");
            Console.Write("是否开始抓取重庆链家的房源信息？输入Y或者N：");
            String istrue = Console.ReadLine();
            if (istrue == "Y" || istrue == "y")
            {
                String url = "http://cq.lianjia.com/xiaoqu/";
                HtmlDocument doc = new HtmlDocument();
                doc.LoadHtml(GetHtml(url));
                HtmlNodeCollection node = doc.DocumentNode.SelectNodes("html/body/div[4]/div[1]/ul/li");
                StreamWriter sw = File.CreateText("log.txt");
                sw.WriteLine("------------------------");
                sw.WriteLine("---只可作为学习用途！");
                sw.WriteLine("---作者：haojieli");
                sw.WriteLine("---邮箱：2252487366@qq.com");
                sw.WriteLine("------------------------");
                foreach (HtmlNode li_nodes in node)
                {
                    HtmlDocument titleDoc = new HtmlDocument();
                    titleDoc.LoadHtml(li_nodes.InnerHtml);
                    String str = titleDoc.DocumentNode.SelectNodes("//div[1]//div[1]")[0].InnerHtml;
                    HtmlDocument aDoc = new HtmlDocument();
                    aDoc.LoadHtml(str);
                    String xiaoquPrice = titleDoc.DocumentNode.SelectNodes("//div[2]//div[1]/span")[0].InnerHtml;
                    String xiaoquName = aDoc.DocumentNode.SelectNodes("//a")[0].InnerText;
                    String xiaoquUrl = aDoc.DocumentNode.SelectNodes("//a")[0].Attributes["href"].Value;
                    sw.WriteLine("小区名称:" + xiaoquName + " \r\n小区房源地址：" + xiaoquUrl + " \r\n小区平均价格：" + xiaoquPrice);
                    Console.WriteLine("小区名称:" + xiaoquName + " \r\n小区房源地址：" + xiaoquUrl + " \r\n小区平均价格：" + xiaoquPrice);
                    sw.WriteLine("----------------------------------------------------------");
                    Console.WriteLine("----------------------------------------------------------");
                }
                Console.WriteLine("---------------信息抓取完毕！");
                Console.WriteLine("---------------请在log.txt下查看抓取信息！");
                Console.WriteLine("---------------按任意键退出。");
                sw.Close();
                Console.ReadLine();
                Environment.Exit(0);
            }
            else if (istrue == "N" || istrue == "n")
            {
                Environment.Exit(0);
            }
            else
            {
                Console.WriteLine("请输入对应指令！按任意键继续。");
                Console.ReadLine();
                start();
            }
        }

        public static string GetHtml(string Url)
        {
            HttpWebRequest req = (HttpWebRequest)WebRequest.Create(Url);
            req.Method = "GET";
            string str;
            HttpWebResponse Stream = req.GetResponse() as HttpWebResponse;
            if (Stream.CharacterSet.ToLower() == "gbk")
            {
                using (StreamReader reader = new StreamReader(Stream.GetResponseStream(), System.Text.Encoding.GetEncoding("gb2312")))
                {
                    str = reader.ReadToEnd();
                    return str;
                }
            }
            else
            {
                using (StreamReader reader = new StreamReader(Stream.GetResponseStream(), System.Text.Encoding.GetEncoding("utf-8")))
                {
                    str = reader.ReadToEnd();
                    return str;
                }
            }

        } 

    }
}

　　其中getHtml()是在网上找的一个处理乱码的，具体是谁写的望地址了。在此还是感谢一下！

代码也就不怎么解释了，官方文档都有！主要是对于网页分析这一块的，使用了HtmlAgilityPack 。

HtmlAgilityPack的获取指定节点里面的内容是按照xpath来的 ，很简单的 自己看一下就可以了。如果想偷懒直接使用谷歌浏览器在console里面 选中你要抓取的代码内容，右键copy选项下面的Copy Xpath，具体看上面的代码 ！我相信没人会看我敲的这段文字。就酱紫吧

运行效果：

下载exe例子