• C#数据采集用到的几个方法


    这两天在做数据采集,因此整理了下数据采集要用到的一些方法。因为我采集的数据比较简单,所以没有用到框架。比较有名的两个框架 HtmlAgilityPack 和 Jumony,感兴趣的可以研究下。当然,火车头采集工具也很方便,不过要付费。下面是整理的代码:

       /// <summary>
        /// Html正则处理帮助类
        /// </summary>
        public class HtmlRegex
        {
            /// <summary>
            /// 匹配所有Html标签
            /// </summary>
            const string HTMLALLTAG = @"<[^>]+>|</[^>]+>";
    
            /// <summary>
            /// 删除所有html标签
            /// </summary>
            /// <param name="content">原HTML代码</param>
            /// <returns></returns>
            public static string RemoveAllHtml(string content)
            {
                return Regex.Replace(content, HTMLALLTAG, "");
            }
    
            /// <summary>
            /// 根据正则匹配获取指定内容
            /// </summary>
            /// <param name="regStr">正则</param>
            /// <param name="content">原HTML代码</param>
            /// <param name="hashtml">是否包含HTML标签</param>
            /// <returns></returns>
            public static string GetStrByRegex(string regStr, string content, bool hashtml = true)
            {
                string result = string.Empty;
                Regex reg = new Regex(regStr);
                Match mth = reg.Match(content);
    
                if (mth.Success)
                {
                    result = mth.Value;
                    if (!hashtml) result = HtmlRegex.RemoveAllHtml(result); //去除html标签
    
                }
                return result;
            }
    
            /// <summary>
            /// 获取指定位置的html代码
            /// </summary>
            /// <param name="start">起始字符串</param>
            /// <param name="end">结束字符串</param>
            /// <param name="content">原HTML代码</param>
            /// <param name="hasHtml">是否包含HTML标签</param>
            /// <returns></returns>
            public static string GetStrByRegex(string start, string end, string content, bool hasHtml = true)
            {
                string result = string.Empty;
                string regStr = @"(?is)(" + start + ").*?(" + end + ")";
                Regex reg = new Regex(regStr);
                Match mth = reg.Match(content);
                if (mth.Success)
                {
                    result = mth.Value;
                    if (!hasHtml) result = HtmlRegex.RemoveAllHtml(result); //去除html标签
                }
                return result;
            }
    
            /// <summary>
            /// 获取匹配的字符串列表
            /// </summary>
            /// <param name="regStr">正则</param>
            /// <param name="content">原HTML代码</param>
            /// <returns></returns>
            public static List<string> GetStrListByRegex(string regStr, string content)
            {
                List<string> strList = null;
                MatchCollection mc = null;
                try
                {
                    Regex reg = new Regex(regStr);
                    mc = reg.Matches(content);
                    if (mc.Count > 0)
                    {
                        strList = new List<string>();
                        for (int i = 0; i < mc.Count; i++)
                        {
                            strList.Add(mc[i].Value);
                        }
                    }
                }
                catch
                {
                    strList = null;
                }
                return strList;
            }
    
            /// <summary>
            /// 获取匹配的字符串列表
            /// </summary>
            /// <param name="start">起始字符串</param>
            /// <param name="end">结束字符串</param>
            /// <param name="content">原HTML代码</param>
            /// <returns></returns>
            public static List<string> GetStrListByRegex(string start, string end, string content)
            {
                List<string> strList = null;
                MatchCollection mc = null;
                string regStr = @"(?is)(" + start + ").*?(" + end + ")";
                try
                {
                    Regex reg = new Regex(regStr);
                    mc = reg.Matches(content);
                    if (mc.Count > 0)
                    {
                        strList = new List<string>();
                        for (int i = 0; i < mc.Count; i++)
                        {
                            strList.Add(mc[i].Value);
                        }
                    }
                }
                catch
                {
                    strList = null;
                }
                return strList;
            }
    
        }
  • 相关阅读:
    在循环中正确找到对应DOM元素的索引
    JavaScript继承方式(1)
    JavaScript的写类方式(1)
    基于WF4的新平台地理模块的3D模块
    基于WF4的新平台流程模式(4)动态并发
    基于WF4的新平台流程模式(9)表单路由启动传入
    基于WF4的新平台地理模块的3D模块
    基于WF4的新平台流程模式(2)启动条件路由
    基于WF4的新平台表单设计器功能简介
    我的2010年
  • 原文地址:https://www.cnblogs.com/similar/p/8350870.html
Copyright © 2020-2023  润新知