c# WPF——完成一个简单的百度贴吧爬虫客户端
话不多说先上图


爬取10页大概500个帖子大概10s,500页2w多个帖子大概2min,由此可见性能并不是特别好,但是也没有很差。
好了话不多说,我们来一步一步实现这么个简易的客户端。
1.创建项目
创建一个WPF空项目,导入需要的Devexpress的dll
Devexpress可以到官网下载,基本16版本以上都可以。下载试用版的也可以,基本到期也不会限制你使用,只有开发的时候会弹出框,叉掉即可,比较良心。
下载地址:https://www.devexpress.com/

2.编辑界面
基本就是xaml代码的编写,DevExpress的demo中心也有很多样例,直接上代码。
<dx:ThemedWindow x:Class="SearchAnyWay.MainWindow"
xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation"
xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"
xmlns:d="http://schemas.microsoft.com/expression/blend/2008"
xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006"
xmlns:dx="http://schemas.devexpress.com/winfx/2008/xaml/core"
xmlns:dxmvvm="http://schemas.devexpress.com/winfx/2008/xaml/mvvm"
xmlns:dxe="http://schemas.devexpress.com/winfx/2008/xaml/editors"
xmlns:dxlc="http://schemas.devexpress.com/winfx/2008/xaml/layoutcontrol"
xmlns:dxg="http://schemas.devexpress.com/winfx/2008/xaml/grid"
xmlns:local="clr-namespace:SearchAnyWay"
mc:Ignorable="d"
Title="百度贴吧搜索神器(v1.0)" Height="600" Width="800">
<Grid>
<dxlc:LayoutControl VerticalAlignment="Stretch" Orientation="Vertical" TextBlock.FontSize="11">
<Label VerticalAlignment="Top" FontWeight="Bold" Content="输入您需要查找的关键字"></Label>
<dxlc:LayoutGroup Orientation="Horizontal">
<dxlc:LayoutItem Label="关键字(K)" AddColonToLabel="True">
<dxe:TextEdit EditValue="{Binding Path=Name, Mode=TwoWay, UpdateSourceTrigger=PropertyChanged, ValidatesOnDataErrors=True}" >
<dxmvvm:Interaction.Triggers>
<dxmvvm:KeyToCommand KeyGesture="Enter" Command="{Binding SearchCommand}"></dxmvvm:KeyToCommand>
</dxmvvm:Interaction.Triggers>
</dxe:TextEdit>
</dxlc:LayoutItem>
<dxlc:LayoutItem Label="贴吧名(N)" AddColonToLabel="True">
<dxe:TextEdit EditValue="{Binding Path=HubName, Mode=TwoWay, UpdateSourceTrigger=PropertyChanged, ValidatesOnDataErrors=True}">
</dxe:TextEdit>
</dxlc:LayoutItem>
<dxlc:LayoutItem Label="爬取页数(P)" AddColonToLabel="True">
<dxe:ComboBoxEdit ItemsSource="{Binding PageRange}"
SelectedItem="{Binding Page}"
ShowSizeGrip="False"
IsTextEditable="False">
</dxe:ComboBoxEdit>
</dxlc:LayoutItem>
<dxlc:LayoutGroup HorizontalAlignment="Right" VerticalAlignment="Center">
<dx:SimpleButton x:Name="btnSearch" Content="查找(S)" Width="80" Command="{Binding SearchCommand}"></dx:SimpleButton> </dxlc:LayoutGroup>
</dxlc:LayoutGroup>
<dxg:TreeListControl x:Name="treeList" Margin="0,10" ItemsSource="{Binding Source}"
SelectionMode="Row" SelectedItem="{Binding SelectedRow}">
<dxg:TreeListControl.Columns>
<dxg:TreeListColumn FieldName="Title" Header="标题" Width="2*"/>
<dxg:TreeListColumn FieldName="Brief" Width="2*" Header="详情"/>
<dxg:TreeListColumn Header="回复数" FieldName="CommentCount" Width="*"/>
<dxg:TreeListColumn Header="作者" FieldName="AuthorName" Width="*"/>
</dxg:TreeListControl.Columns>
<dxg:TreeListControl.View>
<dxg:TreeListView x:Name="view" VerticalScrollbarVisibility="Auto" AutoExpandAllNodes="True" AllowEditing="False" NavigationStyle="Row" ShowIndicator="False" TreeDerivationMode="ChildNodesSelector" ChildNodesPath="ICDItems">
<dxmvvm:Interaction.Triggers>
<dxmvvm:EventToCommand EventName="SourceUpdated" Command="{Binding Commands.ExpandAllNodes, ElementName=view}" />
<dxmvvm:EventToCommand EventName="RowDoubleClick" Command="{Binding SearchCommand}" CommandParameter="{Binding ElementName=treeList,Path=SelectedItem}" />
</dxmvvm:Interaction.Triggers>
</dxg:TreeListView>
</dxg:TreeListControl.View>
</dxg:TreeListControl>
<dxlc:LayoutGroup VerticalAlignment="Bottom" Orientation="Horizontal">
<Label Content="帖子总数:" HorizontalAlignment="Right"/>
<Label Content="{Binding Source.Count, UpdateSourceTrigger=PropertyChanged}" HorizontalAlignment="Right">
</Label>
</dxlc:LayoutGroup>
<dxlc:LayoutGroup VerticalAlignment="Bottom" Orientation="Horizontal">
<dxe:CheckEdit IsChecked="{Binding IsAll}" Content="Include All" HorizontalAlignment="Left"/>
<dx:SimpleButton Content="Copy VLPath To Clipboard" IsEnabled="{Binding CanNext}" Command="{Binding CopyVLPathCommand}" HorizontalAlignment="Left"></dx:SimpleButton>
<dxlc:LayoutGroup HorizontalAlignment="Right">
<dx:SimpleButton Content="下载(D)" Width="80" IsEnabled="{Binding CanNext}" Command="{Binding NextCommand}"></dx:SimpleButton>
<dx:SimpleButton Content="清除(C)" Width="80" IsEnabled="{Binding CanNext}" Command="{Binding OKCommand}"></dx:SimpleButton>
<dx:SimpleButton Content="合作(P)" Width="80" Command="{Binding CancelCommand}"></dx:SimpleButton>
</dxlc:LayoutGroup>
</dxlc:LayoutGroup>
</dxlc:LayoutControl>
<dx:WaitIndicator DeferedVisibility="{Binding IsLoading}" />
</Grid>
</dx:ThemedWindow>
3.实现mvvm模式。
这里采用了DevExpress自带的的mvvm模式,和WPF自带的去创建的框架基本一致。不了解mvvm的同学可以去园子里看看相关文章。
(1)后台代码设置主题还有绑定视图模型。
public partial class MainWindow
{
public MainWindow()
{
InitializeComponent();
//设置样式
ApplicationThemeHelper.UseLegacyDefaultTheme = true;
ApplicationThemeHelper.ApplicationThemeName = Theme.VisualStudioCategory;
this.WindowStyle = System.Windows.WindowStyle.SingleBorderWindow;
this.Icon = new BitmapImage(new Uri("../../debug.png",UriKind.Relative));
this.BorderThickness = new Thickness();
this.Margin = new Thickness();
this.Padding = new Thickness();
this.DataContext = new MainViewModel();
}
}
( 2 ) 设计帖子的实体类。
可以根据自己想要爬取的信息设计。
public class ArticleModel
{
public string Title { get; set; }
public string Brief { get; set; }
public int CommentCount { get; set; }
public string AuthorName { get; set; }
}
(3)页数,帖子集合,等属性在ViewModel中进行声明。
//加载中
private bool _loading;
public bool IsLoading
{
get { return this._loading; }
set
{
SetProperty(ref _loading, value, () => IsLoading);
}
}
//贴吧名
private string _hub;
public string HubName
{
get { return this._hub; }
set
{
SetProperty(ref _hub, value, () => HubName);
}
}
//爬取页数
private int _page;
public int Page
{
get { return this._page; }
set
{
SetProperty(ref _page, value, () => Page);
}
}
//帖子集合
public ObservableCollection<ArticleModel> _source;
public ObservableCollection<ArticleModel> Source
{
get { return _source; }
set { SetProperty(ref _source, value, ()=>Source); }
}
(3)查询业务绑定到按钮的Command,下拉列表的绑定等。
public AsyncCommand SearchCommand { get; set; }
public IEnumerable<int> PageRange { get; private set; }
public MainViewModel()
{
Page = ;
PageRange = new List<int>() { ,, , , , , };
Source = new ObservableCollection<ArticleModel>();
SearchCommand = new AsyncCommand(Search);
}
4.爬虫业务的简单实现
我们使用HttpClient进行请求获取html页面的代码
使用AngleSharp解析html示例代码(按Ctrl+Shift+P快速安装NuGet包):Install-Package AngleSharp
相关简单使用:
//获取请求后response的页面代码。
string pageData = await http.GetStringAsync($"https://tieba.baidu.com/f?kw={HubName}&ie=utf-8&pn={pnIndex}");
//AngleSharp解析页面代码
IHtmlDocument doc = await parser.ParseDocumentAsync(pageData);
5.分析百度贴吧

可以看到URL基本一致,主要是一个URL参数会跟着页数而变化就是pn(Page Number),规律就是(Page-1)*50。50大概就是每页有50个帖子
那我们就好处理了,获取每个帖子的节点然后再去依次查找我们所需要的数据就可以了。
爬取的核心代码如下
await Task.Run(() =>
{
var http = new HttpClient();
var parser = new HtmlParser();
var result=Enumerable.Range(, Page)
.AsParallel()
.AsOrdered()
.SelectMany(page =>
{
return Task.Run(async () =>
{
var pnIndex = page * ;
//获取请求后response的页面代码。
string pageData = await http.GetStringAsync($"https://tieba.baidu.com/f?kw={HubName}&ie=utf-8&pn={pnIndex}".Dump());
//AngleSharp解析页面代码
IHtmlDocument doc = await parser.ParseDocumentAsync(pageData);
return doc.QuerySelectorAll(".t_con.cleafix").Select(tag => new ArticleModel()
{
Title = tag.QuerySelector(".j_th_tit").TextContent?.Trim(),
Brief= tag.QuerySelector(".threadlist_abs.threadlist_abs_onlyline")?.TextContent?.Trim(),
CommentCount=Convert.ToInt32(tag.QuerySelector(".threadlist_rep_num.center_text")?.TextContent),
AuthorName=tag.QuerySelector(".frs-author-name.j_user_card")?.TextContent?.Trim(),
}); ;
}).GetAwaiter().GetResult();
});
Source = new ObservableCollection<ArticleModel>(result);
});
一个小细节就是dom元素如果class中有空格查找的时候一定要用'.'来代替,比如dom元素class是'ftt poot'那么查找的时候就应该是tag.QuerySelector(".ftt.poot")坑里了我很久!!!可能是我这方面没怎么接触过吧。。。
好了,爬取的功能完成了,其他的边角料就自己随意发挥吧,哈哈。
代码下载地址:https://github.com/BruceQiu1996/WPF-/tree/master
c# WPF——完成一个简单的百度贴吧爬虫客户端的更多相关文章
- Prism for WPF 搭建一个简单的模块化开发框架 (一个节点)
原文:Prism for WPF 搭建一个简单的模块化开发框架 (一个节点) 这里我就只贴图不贴代码了,看看这个节点之前的效果 觉得做的好的地方可以范之前的文章看看 有好的建议也可以说说 填充数据 ...
- Prism for WPF 搭建一个简单的模块化开发框架(六)隐藏菜单、导航
原文:Prism for WPF 搭建一个简单的模块化开发框架(六)隐藏菜单.导航 这个实际上是在聊天之前做的,一起写了,也不分先后了 看一下效果图,上面是模块主导航,左侧是模块内菜单,现在加一下隐藏 ...
- Prism for WPF 搭建一个简单的模块化开发框架(四)异步调用WCF服务、WCF消息头添加安全验证Token
原文:Prism for WPF 搭建一个简单的模块化开发框架(四)异步调用WCF服务.WCF消息头添加安全验证Token 为什么选择wcf? 因为好像wcf和wpf就是哥俩,,, 为什么选择异步 ...
- Prism for WPF 搭建一个简单的模块化开发框架(五)添加聊天、消息模块
原文:Prism for WPF 搭建一个简单的模块化开发框架(五)添加聊天.消息模块 中秋节假期没事继续搞了搞 做了各聊天的模块,需要继续优化 第一步画页面 页面参考https://github.c ...
- Prism for WPF 搭建一个简单的模块化开发框架(三) 给TreeView加样式做成菜单
原文:Prism for WPF 搭建一个简单的模块化开发框架(三) 给TreeView加样式做成菜单 昨天晚上把TreeView的样式做了一下,今天给TreeView绑了数据,实现了切换页面功能 上 ...
- Prism for WPF 搭建一个简单的模块化开发框架(二)
原文:Prism for WPF 搭建一个简单的模块化开发框架(二) 今天又有时间了,再改改,加了一些控件全局的样式 样式代码 <ResourceDictionary xmlns="h ...
- Prism for WPF 搭建一个简单的模块化开发框架(一)
原文:Prism for WPF 搭建一个简单的模块化开发框架(一) 最近闲来无事又想搞搞WPF..... 做个框架吧,可能又是半途而废....总是坚持不下来 不废话了, 先看一下工程结构 布局大概是 ...
- curl太复杂难用记不住?来试试Httpie一个简单的现代化命令行Http客户端
HTTPie 是一个简单的现代化命令行 HTTP 客户端. 交互友好,JSON支持,语法高亮,类wget下载,支持拓展等 功能特性 自然而且简单的命令语句 格式化且高亮显示输出内容 内置 JSON 支 ...
- [Python]网络爬虫(六):一个简单的百度贴吧的小爬虫
转自:http://blog.csdn.net/pleasecallmewhy/article/details/8927832 # -*- coding: utf-8 -*- #----------- ...
随机推荐
- Netty入门搭建
什么是Netty Netty 是一个基于 JAVA NIO 类库的异步通信框架,它的架构特点是:异步非阻塞.基于事件驱动.高性能.高可靠性和高可定制性. 为什么选择netty而不是使用NIO 1.使用 ...
- unittest加载用例
diascover加载测试用例 1.discover方法里面有三个参数: -case_dir:这个是待执行用例的目录. -pattern:这个是匹配脚本名称的规则,test*.py意思是匹配test开 ...
- Xcode 运行时异常
一:unable to boot the ios simulator:模拟器异常 1.在添加了新的xcode版本调试包时,出现旧版模拟器不支持的情况,关闭旧版模拟器,重新运行 二:Could not ...
- PAT Advanced 1002 A+B for Polynomials (25 分)(隐藏条件,多项式的系数不能为0)
This time, you are supposed to find A+B where A and B are two polynomials. Input Specification: Each ...
- VB程序设计中Combobox的取值问题
Private a As Double Private Sub Combo1_Click() '1位小数,系数用10 a = Combo1.ItemData(Combo1.ListIn ...
- java ThreadGroup源码分析
使用: import javax.swing.text.html.HTMLDocument.HTMLReader.IsindexAction; public class Test { public s ...
- apache-2.4.x 编译安装方法
apache-2.4.x 编译安装方法 作者:朱 茂海 /分类:Apache 字号:L M S apache-.2与新出的apache-.4安装不同的地方在于,.4版的已经不自带apr库,所以在安装a ...
- 对postcss以及less和sass的研究
1.postcss PostCSS 的主要功能只有两个:第一个就是前面提到的把 CSS 解析成 JavaScript 可以操作的 抽象语法树结构(Abstract Syntax Tree,AST),第 ...
- vue props父组件与子组件传值方法
/~~父组件 runshow.vue~~/ <template> <div> <conditions :fenxiConditonsList="propCond ...
- Sql server时间转时间long
DATEDIFF( S, '1970-01-01 00:00:00', a.endor_date ) - 8 * 60*60 ) actionTime, SELECT DATEADD(S,116070 ...