C#采集有声小说控制台(附源码)

迈不过友情╰ 2022-10-01 12:59 185阅读 0赞

[为什么80%的码农都做不了架构师？>>> ][80_]  ![hot3.png][]

首先感谢"北京 - 晴晴的分享", 咱们ttlsa游子群都乐于帮助和分享. 晴晴是咱们ttlsa第二位分享的妹纸. 妹纸说要发文章,打开RAR吓一跳,会.net的妹纸不得了.好了,以下是晴晴的原文. 今天给大家介绍下C\#.net采集有声小说的demo,其实采集都是大同小意的，只要撑握好方法，所有数据都可以采集到。 不多说。直接粘代码+注释.

namespace CJ.BLL {     public class FictionBLL     {     private string domain = "www.xiats.com";//提前定义好变量，这个变量以后会总用到。不用总重复写了         public void main()         {             //首先要找到一个列表页www.xiats.com/yslist/1.html             string url = domain + "/yslist/1.html";//找到该页的最大页数，为了做遍历用             string html = Tool.GetHtml(url);//获取到源码             int maxPage = Tool.ToInt32(Regex.Match(html, "Page (?:\\d+) of (\\d+)</td>").Groups[1].Value);//正则里.*?是获取所有文字，包括数字,.Groups[2].Value指的是获取到第二个(.*?)里的数据             //好了。现在我们开始遍历数据             //要先分析出地址的下一页是什么             //所以要点开列表的第2页 www.xiats.com/yslist/1_2.html             //好。最后真实地址找到。把2换成任意字符，如www.xiats.com/yslist/1_page.html             string listurl = domain + "/yslist/1_page.html";             for (int i = 1; i <= maxPage; i++)             {                 listurl = listurl.Replace("page", i.ToString());//获取到真实地址                 List(listurl);             }         }         /// <summary>         /// 列表页数据分析         /// </summary>         /// <param name="url"></param>         public void List(string url)         {             //这里主要是获取到小说详情页的地址。             string html = Tool.GetHtml(url);             //获取到源码后要把大的范围缩小，我们只需要中间的列表页信息             html = Regex.Match(html, "<DIV class=\"layout_newlist\">([\\s\\S]+?)<DIV id=div_3>", RegexOptions.IgnoreCase).Groups[1].Value;//RegexOptions.IgnoreCase指的是忽略大小写             //接下来就要取出详情页地址了             MatchCollection matchs = Regex.Matches(html, "<DIV><A href=\"(.*?)\">");             foreach (Match item in matchs)             {                 string detailurl = domain + item.Groups[1].Value;//就这么简单的获取到了详情页地址                 Detail(detailurl);//最麻烦的详情页分析来了             }         }         /// <summary>         /// 详情页分析         /// </summary>         /// <param name="url"></param>         public void Detail(string url)         {             string html = Tool.GetHtml(url);             string title = Regex.Match(html, "<h3>(.*?)</h3>", RegexOptions.IgnoreCase).Groups[1].Value;             string broadcast = Regex.Match(html, "<LI>播音：<SPAN style=\"COLOR: red\"><font color=\"blus\"><a(?:.*?)\">(.*?)</a>").Groups[1].Value;             string author = Regex.Match(html, "<LI>作者：<a title=\"(?:.*?)\" href=\"(?:.*?)\">(.*?)</a>").Groups[1].Value;             string state = Regex.Match(html, " <LI>状态：(.*?)</LI>").Groups[1].Value;             string content = Regex.Match(html, "小说简介</span></li></div>([\\s\\S]+?)</div>", RegexOptions.IgnoreCase).Groups[1].Value;             content = content.Replace("<div>", string.Empty);             //下一步就是要把获取到的数据源写到数据库了。这里不做数据库操作的DEMO。             //其它的大同小意，就不一一写出规则了。如果有问题，可以加入群一起讨论学习             //可能你已经发现。正则就是两种             //1、.*? 就是规则出所有文字             //2、[\\s\\S]+? 获取含有\r\n\t这类的文字内容             //做采集无非就是把大的内容缩放到最小。然后在匹配出想要获取的内容             //注：以上内容只是学习参考，数据还是最好自己原创。剽窃是对他人和自己的不公平 。         }     } }

C\#源码： [c\#采集有声小说控制台源码  ][c_] 站点：运维生存时间  网址：http://www.ttlsa.com/html/3627.html

转载于:https://my.oschina.net/766/blog/211555

[80_]: https://my.oschina.net/u/2663968/blog/3051541
[hot3.png]: /images/20220118/8ed00d8ef66f4a4b88e54331fa56f1fe.png
[c_]: http://www.ttlsa.com/wp-content/uploads/2013/11/%E9%87%87%E9%9B%86%E6%9C%89%E5%A3%B0%E5%B0%8F%E8%AF%B4%E6%8E%A7%E5%88%B6%E5%8F%B0.rar