背景
随着Internet的普及,网络信息正以极高的速度增长,在这么多数据中找到自己需要的信息是一件很繁琐的事情,找到需要的信息后如何获取也是件麻烦的事。这就需要C#实现Internet信息抓取程序来代替人工的操作。
所谓Internet信息抓取程序,就是程序会按照用户的关键词或关键网站来收集相应的信息,并提供给用户想要的信息格式。
信息量的增加会带来信息网站发布人员工作量的剧增,为实现信息发布系统实现信息自
动发布、减少工作人员工作量、即时跟踪最新信息,就需要自动信息提供程序,因此C#实现Internet信息抓取程序应运而生。
目标
实现自定义网站信息分类抓取,存入本地数据库、生成静态页面或其它用户定义的信息结构,并下载与信息相关的多媒体文件。
开发
目标站点结构分析
本步骤是准确抓取信息个关键。
首先要选择更新频率高的页面做为抓取地址,然后分析要抓取内容页面url特点。
然后分析要抓取信息页面的元素特性,比如标题位置,内容位置 等,得到定位标记点。
将以上信息写成自己的配置文件或存到数据库中。
每个网站都需要分析,写出单独的配置文件,供抓取程序使用。
信息提取
根据配置文件取得要抓取页面url,使用HttpWebRequest类获取内容:
- //获取http页面函数
- 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="错误:"+exp.Message;
- }
- returnstrResult;
- }
以上介绍C#实现Internet信息抓取
【编辑推荐】