C#使用正则表达式抓取网站信息示例

本文实例讲述了c#使用正则表达式抓取网站信息的方法。分享给大家供大家参考，具体如下：

这里以抓取京东商城商品详情为例。

1、创建jdrobber.cs程序类

public class jdrobber
{
  /// <summary>
  /// 判断是否京东链接
  /// </summary>
  /// <param name="param"></param>
  /// <returns></returns>
  public bool validationurl(string url)
  {
    bool result = false;
    if (!string.isnullorempty(url))
    {
      regex regex = new regex(@"^http://item.jd.com/\d+.html$");
      match match = regex.match(url);
      if (match.success)
      {
        result = true;
      }
    }
    return result;
  }
  /// <summary>
  /// 抓取京东信息
  /// </summary>
  /// <param name="param"></param>
  /// <returns></returns>
  public void getinfo(string url)
  {
    if (validationurl(url))
    {
      string htmlstr = webhandler.gethtmlstr(url, "default");
      if (!string.isnullorempty(htmlstr))
      {
        string pattern = "";     //正则表达式
        string sourcewebid = "";   //商品关键id
        string title = "";      //标题
        decimal price = 0;      //价格
        string picname = "";     //图片
        //提取商品关键id
        pattern = @"http://item.jd.com/(?<object>\d+).html";
        sourcewebid = webhandler.getregextext(url, pattern);
        //提取标题
        pattern = @"<div.*id=\""name\"".*>[\s\s]*<h1>(?<object>.*?)</h1>";
        title = webhandler.getregextext(htmlstr, pattern);
        //提取图片
        int begin = htmlstr.indexof("<div id=\"spec-n1\"");
        int end = htmlstr.indexof("</div>", begin + 1);
        if (begin > 0 && end > 0)
        {
          string subpichtml = htmlstr.substring(begin, end - begin);
          pattern = @"<img.*src=\""(?<object>.*?)\"".*/>";
          picname = webhandler.getregextext(subpichtml, pattern);
        }
        //提取价格
        if (sourcewebid != "")
        {
          string priceurl = @"http://p.3.cn/prices/get?skuid=j_" + sourcewebid + "&type=1";
          string pricejson = webhandler.gethtmlstr(priceurl, "default");
          pattern = @"\""p\"":\""(?<object>\d+(\.\d{1,2})?)\""";
          price = webhandler.getvalidprice(webhandler.getregextext(pricejson, pattern));
        }
        console.writeline("商品名称：{0}", title);
        console.writeline("图片：{0}", picname);
        console.writeline("价格：{0}", price);
      }
    }
  }
}

2、创建webhandler.cs公共方法类

/// <summary>
/// 公共方法类
/// </summary>
public class webhandler
{
  /// <summary>
  /// 获取网页的html码
  /// </summary>
  /// <param name="url">链接地址</param>
  /// <param name="encoding">编码类型</param>
  /// <returns></returns>
  public static string gethtmlstr(string url, string encoding)
  {
    string htmlstr = "";
    try
    {
      if (!string.isnullorempty(url))
      {
        webrequest request = webrequest.create(url); //实例化webrequest对象
        webresponse response = request.getresponse(); //创建webresponse对象
        stream datastream = response.getresponsestream(); //创建流对象
        encoding ec = encoding.default;
        if (encoding == "utf8")
        {
          ec = encoding.utf8;
        }
        else if (encoding == "default")
        {
          ec = encoding.default;
        }
        streamreader reader = new streamreader(datastream, ec);
        htmlstr = reader.readtoend(); //读取数据
        reader.close();
        datastream.close();
        response.close();
      }
    }
    catch { }
    return htmlstr;
  }
  /// <summary>
  /// 获取正则表达式中的关键字
  /// </summary>
  /// <param name="input">文本</param>
  /// <param name="pattern">表达式</param>
  /// <returns></returns>
  public static string getregextext(string input, string pattern)
  {
    string result = "";
    if (!string.isnullorempty(input) && !string.isnullorempty(pattern))
    {
      regex regex = new regex(pattern, regexoptions.ignorecase);
      match match = regex.match(input);
      if (match.success)
      {
        result = match.groups["object"].value;
      }
    }
    return result;
  }
  /// <summary>
  /// 返回有效价格
  /// </summary>
  /// <param name="strprice"></param>
  /// <returns></returns>
  public static decimal getvalidprice(string strprice)
  {
    decimal price = 0;
    try
    {
      if (!string.isnullorempty(strprice))
      {
        regex regex = new regex(@"^\d+(\.\d{1,2})?$", regexoptions.ignorecase);
        match match = regex.match(strprice);
        if (match.success)
        {
          price = decimal.parse(strprice);
        }
      }
    }
    catch { }
    return price;
  }
}

ps：这里再为大家提供2款非常方便的正则表达式工具供大家参考使用：

javascript正则表达式在线测试工具：

正则表达式在线生成工具：

更多关于c#相关内容感兴趣的读者可查看本站专题：《c#正则表达式用法总结》、《c#编码操作技巧总结》、《c#中xml文件操作技巧汇总》、《c#常见控件用法教程》、《winform控件用法总结》、《c#数据结构与算法教程》、《c#面向对象程序设计入门教程》及《c#程序设计之线程使用技巧总结》

希望本文所述对大家c#程序设计有所帮助。