爬虫神器XPath，程序员带你免费获取周星驰等明星热门电影

本教程由“做全栈攻城狮”原创首发，本人大学生一枚平时还需要上课，但尽量每日更新文章教程。一方面把我所习得的知识分享出来，希望能对初学者有所帮助。另一方面总结自己所学，以备以后查看。

可能看着文章很短，但大家想想高考时800字的作文用了多长时间。字都是一个字一个字的码出来的，也需要很多精力。

非常需要各位的支持，哪怕点个赞，评论一下。更多技术方向的文章可以关注我。力求写出高质量文章。帮助更多学习技术的人。

本人大学生一枚，如各位有Asp.Net和安卓开发方向的兼职，可以联系微信：cxx7177.感谢您。

一、项目描述：

作为资深电影迷，最新的电影是什么？热门电影又是啥？这些问题一直困扰着我。恰逢休息无聊，想找个电影看一下，而众所周知各大搜索引擎设有热搜榜单。我们可以通过榜单进行查看最热热搜电影。而作为程序员，总得把学得的技术应用一下。当然这段时间程序员抢月饼事件，却吓得除了一阵冷汗。当然，我们做的事情是合乎道德的。不能因为我们爬了个电影热榜成为众讨的对象的。哈哈，开个玩笑。

开发爬虫程序，爬取360电影热搜榜的热门电影。地址：http://top.so.com/index?c=%E7%94%B5%E5%BD%B1。

二、所需技术点：

1. XPath

2. WebRequest请求

3. Winform

4. HTML解析器：HtmlAgilityPack DLL地址：http://htmlagilitypack.codeplex.com/

三、XPath：

1.XPath介绍：

XPath是对XML文档通过路径表达式，进行信息查找的一种语言。同样XPath支持Html，类似于javascript的形式，通过XPath，可以进行标签的获取了。配合请求逻辑。这可以堪称开发爬虫的神器。

2.XPath语法：

//定位根节点

/往下层寻找

/text()提取文本内容

/@xxx提取属性xxx的值

例如：

//ul/li[@id="test"]/text() -------表示根节点下面ul下id为test的li标签的文本内容

3.WebRequest 进行Get请求:

我这里写了个helper的Get方法供以参考：

四、使用XPath提取热门电影：

1. 新建Winform项目，如图添加如下控件：

   

   做点调整：

   

2. 为了使用HtmlAgilityPack我们先进行引用。访问：http://htmlagilitypack.codeplex.com/并下载。引用。

   

3. 为了方便使用，添加一个根据XPATH获取筛选的字符串的方法：

   

4. 书写XPath字符串：（根据插件获取XPath，然后修改一下）

   

   多获取几个电影标题，如图：

   

   即可找到规律，所以最终的XPath：

   

5. 抓爬热门电影，按钮点击事件：

   

五、最后扩充

这只是简单的获取第一页的热门电影情况，仍然可以通过以上的方式，爬取下方换页按钮的链接，进行跳转，抓取更多的电影名称。