C＃＋HtmlAgilityPack＋Dapper走一波爬虫

来源：山治先生

cnblogs.com/EminemJK/p/8920364.html

前言

因为公司业务需要，又有机会编写WinForm，这次的需求是因为公司有项目申报的这块业务，项目申报前期需要关注政府发布的相关动态信息，政府部门网站过多，人工需要一个一个网站去浏览和查阅，有时候还会遗漏掉，因此我们打算用爬虫+移动端Web来做，我主要负责爬虫和Web API。

爬虫篇

爬虫主要采用.NET强大的开源解析HTML元素的类库HtmlAgilityPack，操作过XML的童鞋应该很快就可以上手，通过分析XPath来解析HTML，非常的方便的，不过还有一款不错的叫Jumony，没用过，对HtmlAgilityPack比较熟悉，所以首选了HtmlAgilityPack来作为主力军。

HtmlAgilityPack的基本使用可以参考这篇

https://www.cnblogs.com/GmrBrian/p/6201237.html

效果图，多图慎入

采集广西财政厅例子

因为是政府发布的出来的信息，所以信息的对外开放的，只是机器代替人工来浏览，不会被和谐的，主要采集文章列表和文章内容，以广西财政厅网站为例子。

First

加载网站这个就不用说了，先查看网站的字符编码，如图 ，然后设置HtmlAgilityPack中的OverrideEncoding属性，

htmlAgilityPack.OverrideEncoding = Encoding.UTF8;

Second

分析文章列表，浏览器F12查看HTML标签情况，可以分析出XPath为

//ul[@class='dzjzw_list_main_ul']//li

流程代码：

//获取第一页的内容

HtmlNode row = GetHtmlDoc(htmlWeb, url);

//根据xpath获取列表

var list = row.SelectNodes("//ul[@class='dzjzw_list_main_ul']//li");

foreach (var data in list)

{

....

}

///

/// 这里偶尔会浏览网页失败的，所以失败了多浏览几次

///

public static HtmlNode GetHtmlDoc(HtmlWeb htmlWeb, string url)

{

try

{

var doc = GetDoc(htmlWeb, url);

if (doc == null)

{

int againIdx = 0;

while (againIdx++

{

System.Threading.Thread.Sleep(1000);

doc = GetDoc(htmlWeb, url);

if (doc != null)

break;

}

if (doc == null)

{

var htmlData = HttpHelper.Get(url).Result;//.GetStringAsync(url).Result;

return HtmlNode.CreateNode(htmlData);

}

else

{

return doc.DocumentNode;

}

}

return doc.DocumentNode;

}

catch

{

Log.Error("未能正确访问地址：" + url);

return null;

}

}

文章内容的链接的XPath标签

//a

文章发布的时间XPath标签

//span[@class='date']

都可以使用 HtmlNode.InnerText 来获取到相关值，非常的方便。

Third

文章详细内容也如此，通过分析XPath来分析即可，最头疼的是翻页的问题，因为政府网站使用的技术一般都是比较那个的，你懂的，在这里的翻页也比较简单，通过拼接URL来进行翻页即可，有些使用到oncilck来触发的，有些表单提交，要具体问题具体分析了，用Fiddler和浏览器的F12大法来分析翻页数据来源，所以这里的例子比较简单

Fourth

爬取到的之后，再来一个钉钉通知，在群里拉入一个机器人，可以参考钉钉的开发文档https://open-doc.dingtalk.com/docs/doc.htm?spm=a219a.7629140.0.0.ece6g3&treeId=257&articleId=105735&docType=1#

这样我们爬取的消息就第一时间通知到群里的小伙伴啦，是不是很炫酷，

后面做完了再上传到GitHub。

看完本文有收获？请转发分享给更多人

关注「DotNet」，提升.Net技能

淘口令：复制以下红色内容，再打开手淘即可购买

范品社，使用￥极客T恤￥抢先预览（长按复制整段文案，打开手机淘宝即可进入活动内容）