欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

c# 爬取优酷电影信息(1)

程序员文章站 2022-11-23 13:40:31
爬虫的制作主要分为三个方面1、加载网页结构2、解析网页结构,转变为符合需求的数据实体3、保存数据实体(数据库,文本等)在实际的编码过程中,找到了一个好的类库“htmlagilitypack”。介绍:官...

爬虫的制作主要分为三个方面
1、加载网页结构
2、解析网页结构,转变为符合需求的数据实体
3、保存数据实体(数据库,文本等)

在实际的编码过程中,找到了一个好的类库“htmlagilitypack”。
介绍:
官网:
html agility pack源码中的类大概有28个左右,其实不算一个很复杂的类库,但它的功能确不弱,为解析dom已经提供了足够强大的功能支持,可以跟jquery操作dom媲美)
使用说明:
html agility pack(xpath 定位),在实际使用过程中,发现有部分内容如果通过css进行定位会比xpath更加方便,所以通过查找找到了另外一个css的解析了类库 scrapysharp(css 定位)

整理:
nuget包需要引用的库
1、html agility pack(xpath 定位)
2、scrapysharp(css 定位)

代码下载地址:

https://github.com/happlyfox/foxcrawler

第一点——加载网页结构

html agility pack封装了加载内容的方法,使doc.load(arguments),具有多种重载方式,以下列举官网的三个实例

第二点——解析网页结构,转变为符合需求的数据实体

第三点——保存数据实体,转变为符合需求的数据实体

第四点——main

以上就是c# 爬取优酷电影信息(1)的详细内容,更多关于c# 爬取优酷电影信息的资料请关注其它相关文章!