爬虫简单案例

1.概念:

           是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本;

2.案例:

    一: 爬虫抓取信息

            界面:

爬虫简单案例_第1张图片

3.引用名称空间:

                        using System.Net;

4.代码:

     private void button1_Click(object sender, EventArgs e)
        {
            if (this.txtUrl.Text.Trim().Length == 0)
            {
                MessageBox.Show("URL地址不能为空!");
            }
            WebClient wc = new WebClient();
            //上载或下载当页的编码
            wc.Encoding = Encoding.Default;
            //下载
            this.txtContent.Text = wc.DownloadString(this.txtUrl.Text.Trim());
        }

  二: 爬虫抓取指定信息

       界面:

             

爬虫简单案例_第2张图片

       引用空间:

                    using System.Net.Http;
                    using HtmlAgilityPack;

      代码:

      //抓取页面内容
        private void button1_Click(object sender, EventArgs e)
        {
            //httpClient模拟提交访问请求类
            var httpClient = new HttpClient();
            string url = this.txtUrl.Text.Trim();
            //模拟提交访问请求并得到整页HTML
            HttpResponseMessage http = httpClient.GetAsync(url).Result;
            //如果访问成功
            if (http.IsSuccessStatusCode)
            {
                //分析内容
                //第三方分析HTML的组件
                HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
                HtmlNode node = doc.DocumentNode;
                //把HTML字符串变成对象
                doc.LoadHtml(http.Content.ReadAsStringAsync().Result);
                //查找需要的节点内容
                this.txtContent.Text = node.SelectNodes("//div[@class='info-cont']")[0].SelectNodes("//ul[@class='info-list']")            [0].InnerText.Replace("\r\n                               ", "").Replace(" ", "");
            }
            else
            {
                this.txtContent.Text = "未抓取到内容";
            }
        }

     结果:

           

爬虫简单案例_第3张图片

三: 爬虫分页

     界面:

           

爬虫简单案例_第4张图片

     代码:

       private void btnCrawl_Click(object sender, EventArgs e)
        {
            List ls = new List();
            film ns;
        
            string url = this.txtUrl.Text.Trim();

            //HtmlWeb类是一个从网络上获取一个HTML文档的类
            HtmlAgilityPack.HtmlWeb htmlWeb = new HtmlAgilityPack.HtmlWeb();

            //定义网页解析对象
            HtmlAgilityPack.HtmlDocument document = htmlWeb.Load(url);

            ////html/body/div[4]/div[3]/a[7]
            HtmlNode pagenode = document.DocumentNode.SelectSingleNode("//html/body/div[3]/div[3]/a[7]");

            //得到总页数
            int pageCount = int.Parse(pagenode.InnerText);

            if (pageCount > 2)
                pageCount = 2;//页多太慢,人工改成3页

            //循环每一页
            for (int i = 1; i <= pageCount; i++)
            {
                if (i != 1) //非第一页的话,将采集下一页
                {
                    url = "http://www.360kan.com/dianshi/list.php?year=all&area=all&act=all&cat=all&pageno=" + i;
                    document = htmlWeb.Load(url);
                }

                //Xpath  /html/body/div[4]/div[2]/div/div[2]
                //HtmlNode node = document.DocumentNode.SelectSingleNode("//html//body//div[3]//div[2]//div//div[2]");
                //HtmlNodeCollection htmlNodes = node.SelectNodes("ul//li");
                HtmlNodeCollection htmlNodes = document.DocumentNode.SelectNodes("//html//body//div[3]//div[2]//div//div[2]//ul//li");

                //nd 现在代表的是 li
                int j = 1;
                foreach (var nd in htmlNodes)
                {
                    try
                    {
                        //电视剧的名字所在标签的 Xpath 
                        var vName = nd.SelectSingleNode("a//div[2]//p[1]//span").InnerText;
                        //var yName = nd.SelectSingleNode("a//div[2]//p[2]").InnerText;
                        //HtmlNode imgNode = nd.SelectSingleNode("a/div[1]/img");
                        //var imgsrc = imgNode.Attributes["src"].Value;

                        //获取该部电视剧详情地址
                        // Xpath如下: /html/body/div[4]/div[2]/div/div[2]/ul/li[1]/a
                        HtmlNode aNode = nd.SelectSingleNode("a");
                        string aurl = aNode.Attributes["href"].Value;

                        //加载详情页
                        document = htmlWeb.Load("http://www.360kan.com/" + aurl);
                        //html/body/div[3]/div/div/div
                        HtmlNode node = document.DocumentNode.SelectSingleNode("//html//body//div[3]//div//div//div");
                        //获取电视剧图片:/html/body/div[3]/div/div/div/div[1]/div/a/img
                        HtmlNode node01 = node.SelectSingleNode("div[1]//div//a//img");
                        string picture = node01.Attributes["src"].Value;

                        //获取电视剧名称:/html/body/div[3]/div/div/div/div[2]/div[1]/div[1]/div[1]/h1
                        HtmlNode node02 = node.SelectSingleNode("div[2]//div[1]//div[1]//div[1]//h1");
                        string tvName = node02.InnerText;

                        //获取电视剧集数:/html/body/div[3]/div/div/div/div[2]/div[1]/div[1]/div[1]/p
                        HtmlNode node03 = node.SelectSingleNode("div[2]//div[1]//div[1]//div[1]//p");
                        string setNumber = node03.InnerText;

                        //获取电视类型,多个 /html/body/div[3]/div/div/div/div[2]/div[1]/div[2]/div[1]/p[1]/a
                        HtmlNodeCollection node04 = node.SelectNodes("div[2]//div[1]//div[2]//div[1]//p[1]//a");
                        string tvType = "";
                        foreach (var nd04 in node04)
                        {
                            tvType += nd04.InnerText + ",";
                        }
                        tvType = tvType.TrimEnd(',');

                        //获取电视年代 /html/body/div[4]/div/div/div/div[2]/div[1]/div[2]/div[1]/p[2]
                        HtmlNode node05 = node.SelectSingleNode("div[2]//div[1]//div[2]//div[1]//p[2]");
                        string years = node05.InnerText;

                        //获取电视地区 /html/body/div[3]/div/div/div/div[2]/div[1]/div[2]/div[1]/p[3]/span
                        HtmlNode node06 = node.SelectSingleNode("div[2]//div[1]//div[2]//div[1]//p[3]");
                        string region = node06.InnerText;

                        //获取电视剧导演 /html/body/div[4]/div/div/div/div[2]/div[1]/div[2]/div[1]/p[5]/a[1]
                        HtmlNodeCollection node07 = node.SelectNodes("div[2]//div[1]/div[2]//div[1]//p[5]//a");
                        string director = "";
                        foreach (var no07 in node07)
                        {
                            director += no07.InnerText + ",";
                        }
                        director = director.TrimEnd(',');
                        //获取电视剧演员 /html/body/div[4]/div/div/div/div[2]/div[1]/div[2]/div[1]/p[6]/a[1]
                        HtmlNodeCollection node08 = node.SelectNodes("div[2]//div[1]/div[2]//div[1]//p[6]//a");
                        string performer = "";
                        foreach (var no08 in node08)
                        {
                            performer += no08.InnerText + ",";
                        }
                        performer = performer.TrimEnd(',');

                        //获取电视剧描述 /html/body/div[4]/div/div/div/div[2]/div[1]/div[2]/div[3]/p
                        HtmlNode node09 = node.SelectSingleNode("div[2]//div[1]//div[2]//div[3]//p");
                        string miaoshu = node09.InnerText;

                        ns = new film();
                        ns.picture = picture;
                        ns.tvName = tvName;
                        ns.setNumber = setNumber;
                        ns.tvType = tvType;
                        ns.years = years;
                        ns.region = region;
                        ns.director = director;
                        ns.performer = performer;
                        ns.miaoshu = miaoshu;


                        ls.Add(ns);

                    }
                    catch (Exception ex)
                    {
                    }

                    //   Thread.Sleep(random.Next(50));
                    j++;
                }


                // Thread.Sleep(random.Next(50));
            }

            this.dataGridView1.DataSource = ls;
        }

你可能感兴趣的:(爬虫简单案例)