C#通过WebBrowser快速扒站思路积累大量着陆页列表
现在工作方向已经越来越倾向于项目产品运营相关的东西。对线上运营也有了一定程度的了解。
配合一些技术性的操作,能极大的便利工作中的各种高难度任务,快速提升自我,积累丰富的经验和资源。
以近期制作LP为例,在没有任何经验的情况下,需要快速和设计沟通制作着陆页,中间遇到了一些经验上不足,于是到处找各种别人家的着陆页研究别人的思路和做法,积累一些活动着陆页,对工作是有比较大益处的。参考别人的东西越多,才能做出更厉害的东西出来,凡事尽量往极致上靠近。
于是花了一整天的时间,基于浏览器,制作了一个扒站工具,把看到的一些好一点的着陆页全部down到本地,快速浏览和研究学习。
市面上已经有很多扒站的工具,包括最原始的teleport,后来的都客扒站工具、模板小偷、网页小偷、网页提取助手什么的。基本上都使用过,基本上都不能完整的把CSS、脚本、图片有效下载回来,按我要的格式存放。
以我在新浪上发现的一个懒财网的着陆页为例:
我想要的是这样的结果。
着陆页名称为index.html,CSS,图片和JS分别给我归类存到指定的目录,再到根目录下面标记一个txt文档,告诉我当时这个着陆页我是哪个网址下载回来的。
最后做出来的程度的界面是这样的
做的非常粗糙,只有一个分析并抓取和一个C#的WebBrowser可以用。
程序会自动下载相关的数据,并存到相关的目录,生成需要的文件。
为什么不用普通的直接获取源代码的方式直接下载HTML呢。
1、是HTML里面解析相对路径和绝对路径非常 非常 非常麻烦,需要正则表达式一个个匹配,并替换成本地路径。
2、是一些情况下,浏览器匹配出来的结果或许会更精确一点,实现上应该是更简单的。
代码流程:
1、浏览器载入着陆页,等待载入完成。
2、遍历所有节点
图片,就下载,保存,并替换为本地路径,脚本同样,CSS同样。最后处理着陆页内嵌入的style格式的源码。
最后,打开CSS文件,用正则匹配图片连接并下载远程图片,替换CSS里面的图片地址。
贴上解析CSS里面的图片并下载到本地的代码。其余都是比较简单的。
- /// <summary>
- /// 解析CSS源码里面的图片,下载,并转换为本地格式的链接
- /// </summary>
- /// <param name="content">CSS文件内容</param>
- /// <param name="cssUrl">CSS文件路径,用于转换为图片绝对地址下载</param>
- /// <returns></returns>
- public string ParseImgInCSS(string content, string cssUrl = "")
- {
- Regex reg = new Regex(@"url\((.*?)\)", RegexOptions.IgnoreCase);
- content = reg.Replace(content, (match) =>
- {
- string imgUrl = match.Groups[1].Value;
- imgUrl = imgUrl.Replace("'", "").Replace("\"", "");//替换'和双引号,因为URL匹配是可能带引号的
- imgUrl = HtmlHelper.GetUrlRelative(cssUrl, imgUrl);//修复路径为绝对地址
- if (!string.IsNullOrEmpty(imgUrl))
- {
- //远程图片下载保存到本地
- var localImage = Path.Combine("images", HtmlHelper.GetFileNameInUrl(imgUrl));
- DownloadHelper.DownloadFile(imgUrl, Path.Combine(SaveFolder, SiteFolder, localImage));//下载到本地
- if (cssUrl.ToLower().IndexOf(".css") > -1)
- {//代表是CSS文件,会存到CSS目录,需要使用相对地址
- return @"url('../" + localImage.Replace("\\", "/") + @"')";
- }
- else
- {//代表是页面内部的CSS,不需要切换为相对路径
- return @"url('" + localImage.Replace("\\", "/") + @"')"; ;
- }
- }
- return match.Value;
- });
- return content;
- }
最后加上注释用了100行代码完成了整个扒站工具。
还有很多地方可以完善,不过已经可以投入使用。1分钟扒个几个站的着陆页是没问题了,准备抽空去各家p2p网站的百度推广扒他们的页了。。。
扒了10个LP,目录还没发现问题。要是有机会再包装一下出售。
会搞的人,可以自己玩玩,思路已经有了。
更多精彩内容,访问小五博客http://www.lingdonge.com
C#通过WebBrowser快速扒站思路积累大量着陆页列表的更多相关文章
- 【linux】扒站命令之利用wget快速扒站利用wget快速扒站
在Linux下,通过一个命令就可以把整个站相关的文件全部下载下来. wget -r -p -k -np 参数说明: -r : 递归下载 -p : 下载所有用于显示 HTML 页面的图片之类的元素 -k ...
- PHPCMS快速建站系列之添加单页模版
单页模板命名:page_xxx.html 以page_开头 在模版所在目录的config.php中添加配置项 'page_xxx.html' => '单网页', 也可以不在config中配置,不 ...
- 4种常用扒站工具(webzip、ha_TeleportPro、Offline Explorer、wget)
许多开始做lead,EMU的新手,需要一个英文网站,找人定制费用太贵自己又不会技术的话,可以通过扒站来获得英文站,今天给大家介绍几种扒站工具: 1.HA_TeleportPro: Teleport P ...
- 用wget扒站时遇到电信劫持
今天用wget扒下来一个html template的站. 挂在自己机器上后随便点什么,都出电信广告.仔细检查,我勒个去... 扒站过程中,刚好被电信打了劫,看看它给我下载下来的bootstrap.mi ...
- Python快速建站系列-Part.Three-注册和登录
|版权声明:本文为博主原创文章,未经博主允许不得转载. 上一个Part已经给TSSS编好了一个简单的Web服务,网页的基础模版也写好了,那从这个Part开始就慢慢增加编写功能. 先写基础功能:注册和登 ...
- Python快速建站系列-Part.One-组装开发环境
|版权声明:本文为博主原创文章,未经博主允许不得转载. 源代码都在github上:SmallStudyStation 现在是个demo,但回来会租个服务器,等功能完善了放到服务器上挂着,域名jusot ...
- @font-face扒站的步骤
今天模仿百度首页手机版的时候遇到的@font-face的问题,现在整理一下. 问题:图中红色区域,在拷贝F12样式的时候,并没有出现这些小图标. 图1:百度的效果 ...
- 阿里云Ubuntu快速建站
阿里云Ubuntu快速建站 有一个小笑话: 从前有个程序员遇到了一个问题.他想,没事,我懂,用线程就好了.现他有两个问题了. 本人小白,对网站部署什么都不懂,只是申请个阿里云服务器,把我的站点放上去. ...
- Uix Kit 快速建站前端开发套件-工具箱
这个产品维护已经有一年了(由于业务需求不同,目前没有做中文版,产品本身是针对国外网站),自己本身是做UI出生,开发只是业余爱好,仅仅作为平时工作的需要.杂七杂八会一些前后端开发.并非职业码农! 我是一 ...
随机推荐
- ubuntu13.04安装SenchaArchitect-2.2无法启动的问题
系统是ubuntukylin-13.04-desktop版本,不知道别的版本有没有这个问题,未测试.SenchaArchitect采用最新版本2.2.2,我安装的是32位的. 具体无法启动的问题如下: ...
- Activity中异步操作showDialog异常解决方法:判断Ay是否结束
Android – Displaying Dialogs From Background Threads 判断一下Activity是否在finishing就好了,否则万一Activity销毁了,这个D ...
- SQL Server 2012学习笔记 2 Server Core中命令行安装SQL
Setup.exe /qs /ACTION=Install /FEATURES=SQLEngine,Replication /INSTANCENAME=MSSQLSERVER /SQLSVCACCOU ...
- LayoutInflater作用及使用
作用: 1.对于一个没有被载入或者想要动态载入的界面, 都需要使用inflate来载入. 2.对于一个已经载入的Activity, 就可以使用实现了这个Activiyt的的findViewById方法 ...
- c++ 文件读写(转)
C/C++ code //创建一个文本文件并写入信息 //同向屏幕上输出信息一样将信息输出至文件 #include<iomanip.h> #include<fstream.h> ...
- nginx args
$args $content_length $content_type $document_root $document_uri $host $http_user_agent $http_cookie ...
- Mysql数据库中的EXISTS和NOT EXISTS
SQL语言中没有蕴含逻辑运算.但是,可以利用谓词演算将一个逻辑蕴含的谓词等价转换为:p->q ≡┐p∨q. 我们通过一个具体的题目来分析:(具体的表和数据详见文章:Mysql数据库中的EXIST ...
- javascript小练习—记住密码提示框
px/px solid redpxpx]; var oTips = document.getElementById("tips"); oP.onmousemove = functi ...
- JQurey获取radio和checkbox的值
<%@ Page Language="C#" AutoEventWireup="true" CodeBehind="Web2.aspx.cs&q ...
- git配置ssh
$ git config --global user.name "yourname"$ git config --global user.email "youremail ...