请选择 进入手机版 | 继续访问电脑版

无忧编程_ASP.NET  / C# / PHP 程序员的软件世界

 找回密码
 立即注册

QQ登录

只需一步,快速开始

查看: 1740|回复: 0

C# NSoup.dll 抓取网页信息及下载地址

[复制链接]

381

主题

412

帖子

1713

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
1713
发表于 2018-3-10 09:48:58 | 显示全部楼层 |阅读模式
C# NSoup.dll 抓取网页信息及下载地址(下载地址见附件)使用选择器语法来查找元素问题
你想使用类似于CSS或jQuery的语法来查找和操作元素。
方法File input = new File("/tmp/input.html");Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");Elements links = doc.select("a[href]"); //带有href属性的a元素Elements pngs = doc.select("img[src$=.png]");  //扩展名为.png的图片Element masthead = doc.select("div.masthead").first();  //class等于masthead的div标签Elements resultLinks = doc.select("h3.r > a"); //在h3元素之后的a元素说明
jsoup elements对象支持类似于CSS (或jquery)的选择器语法,来实现非常强大和灵活的查找功能。.
这个select 方法在Document, Element,或Elements对象中都可以使用。且是上下文相关的,因此可实现指定元素的过滤,或者链式选择访问。
Select方法将返回一个Elements集合,并提供一组方法来抽取和处理结果。
Selector选择器概述
  • tagname: 通过标签查找元素,比如:a
  • ns|tag: 通过标签在命名空间查找元素,比如:可以用 fb|name 语法来查找 <fb:name> 元素
  • #id: 通过ID查找元素,比如:#logo
  • .class: 通过class名称查找元素,比如:.masthead
  • [attribute]: 利用属性查找元素,比如:[href]
  • [^attr]: 利用属性名前缀来查找元素,比如:可以用[^data-] 来查找带有HTML5 Dataset属性的元素
  • [attr=value]: 利用属性值来查找元素,比如:[width=500]
  • [attr^=value], [attr$=value], [attr*=value]: 利用匹配属性值开头、结尾或包含属性值来查找元素,比如:[href*=/path/]
  • [attr~=regex]: 利用属性值匹配正则表达式来查找元素,比如: img[src~=(?i)\.(png|jpe?g)]
  • *: 这个符号将匹配所有元素
Selector选择器组合使用
  • el#id: 元素+ID,比如: div#logo
  • el.class: 元素+class,比如: div.masthead
  • el[attr]: 元素+class,比如: a[href]
  • 任意组合,比如:a[href].highlight
  • ancestor child: 查找某个元素下子元素,比如:可以用.body p 查找在"body"元素下的所有p元素
  • parent > child: 查找某个父元素下的直接子元素,比如:可以用div.content > p 查找 p 元素,也可以用body > * 查找body标签下所有直接子元素
  • siblingA + siblingB: 查找在A元素之前第一个同级元素B,比如:div.head + div
  • siblingA ~ siblingX: 查找A元素之前的同级X元素,比如:h1 ~ p
  • el, el, el:多个选择器组合,查找匹配任一选择器的唯一元素,例如:div.masthead, div.logo
伪选择器selectors
  • :lt(n): 查找哪些元素的同级索引值(它的位置在DOM树中是相对于它的父节点)小于n,比如:td:lt(3) 表示小于三列的元素
  • :gt(n):查找哪些元素的同级索引值大于n,比如: div p:gt(2)表示哪些div中有包含2个以上的p元素
  • :eq(n): 查找哪些元素的同级索引值与n相等,比如:form input:eq(1)表示包含一个input标签的Form元素
  • :has(seletor): 查找匹配选择器包含元素的元素,比如:div:has(p)表示哪些div包含了p元素
  • :not(selector): 查找与选择器不匹配的元素,比如: div:not(.logo) 表示不包含 class=logo 元素的所有 div 列表
  • :contains(text): 查找包含给定文本的元素,搜索不区分大不写,比如: p:contains(jsoup)
  • :containsOwn(text): 查找直接包含给定文本的元素
  • :matches(regex): 查找哪些元素的文本匹配指定的正则表达式,比如:div:matches((?i)login)
  • :matchesOwn(regex): 查找自身包含文本匹配指定正则表达式的元素
  • 注意:上述伪选择器索引是从0开始的,也就是说第一个元素索引值为0,第二个元素index为1等
可以查看Selector API参考来了解更详细的内容


-----------------------------------------
使用方法:
  public class NETQuery
    {
        Document doc = null;


        public NETQuery(string strUrl, string strEncode)
        {
            string htmlString = GetStringByUrl(strUrl, strEncode);
            if (!string.IsNullOrWhiteSpace(htmlString))
            {
                doc = NSoup.NSoupClient.Parse(htmlString);
            }
        }


        #region 根据表达式查询数据
        /// <summary>
        /// 根据表达式查询数据
        /// </summary>
        /// <param name="expression">表达式</param>
        /// <returns>返回结果的数据</returns>
        public string QueryValue(string expression)
        {
            string result = "";
            Elements elements = doc.Select(expression);
            result = elements.Html();
            return result;
        }
        #endregion


        #region 根据表达式查询dom节点
        /// <summary>
        /// 根据表达式查询dom节点
        /// </summary>
        /// <param name="expression">表达式</param>
        /// <returns>返回对应的节点</returns>
        public Elements QueryElements(string expression)
        {
            Elements elements = doc.Select(expression);
            return elements;


        }
        #endregion




        #region 获取整个网页的html源码
        string GetStringByUrl(string strUrl, string strEncode)
        {
            WebRequest wrt = WebRequest.Create(strUrl);
            WebResponse wrse = wrt.GetResponse();
            Stream strM = wrse.GetResponseStream();
            StreamReader SR = new StreamReader(strM, Encoding.GetEncoding(strEncode));
            string strallstrm = SR.ReadToEnd();
            return strallstrm;
        }
        #endregion


         


      
        
    }


例如:
#region 获取动态页面的内容
        /// <summary>
        /// 获取动态页面的内容
        /// </summary>
        /// <param name="url">URL</param>
        /// <returns>返回结果的字符串</returns>
        public static string GetDTContent(string url)
        {
            string strEncode = "gb2312";
            string strResult = "";
            NETQuery query = new NETQuery(url, strEncode);
            strResult = "<p align=\"left\">";
            strResult =strResult+query.QueryValue("p
")+"</p>";
            strResult = strResult + "<p align=\"right\">" + query.QueryValue("p
") + "</p>";
            strResult = strResult + "<div align=\"left\">" + query.QueryValue("div
")+"</div>";
            List<string> listHref = InsertWDCM.QueryHrefData(strResult);


            #region 获取href
            if (listHref != null && listHref.Count > 0)
            {
                Uri uri = new Uri(url);
                string host = uri.Host;
                host = "http://" + host;
                foreach (string str in listHref)
                {
                    if (!str.Contains("http://"))
                    {
                        string href = host + str;
                        if (Common.FileUploadUtil.ExistWebFile(href))
                        {
                            strResult = strResult.Replace(str, href);
                        }
                        else
                        {
                            strResult = strResult.Replace(str, "");
                        }
                    }
                    else
                    {
                        if (!Common.FileUploadUtil.ExistWebFile(str))
                        {
                            strResult = strResult.Replace(str,"");
                        }
                    }
                }
            }
            #endregion


            return strResult;
        }
        #endregion


NSoup.rar

78.26 KB, 下载次数: 0

NSoup.dll

windows .net(C#+MSSQL) linux(php+mysql)
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Archiver|手机版|小黑屋|软件编程 ( 鄂ICP备11006601号鄂公网安备 42011102001337号 |

GMT+8, 2018-12-16 21:30 , Processed in 0.170778 second(s), 35 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表