首页 > 代码库 > Jumony快速抓取网页 --- Jumony使用笔记--icode

Jumony快速抓取网页 --- Jumony使用笔记--icode


 

作者:郝喜路   个人主页: http://www.cnicode.com       博客地址:http://haoxilu.cnblogs.com    时间:2014年6月26日 19:25:02


 

  刚刚在博客园 看到一篇博文《使用HttpWebRequest和HtmlAgilityPack抓取网页(拒绝乱码,拒绝正则表达式)》  ,感觉不错,作者写的也挺好的,然后在看了园子里的朋友的评论后,我知道了有一个更牛x的工具——Jumony 。这个工具用起来可谓称之为简单、高效。 特此记录和分享,Jumony 的使用方法。

  Jumony是开源项目,目前源代码存放咋GitHub ,源码地址: https://github.com/Ivony/Jumony 。我测试使用的是Visual Studio 2012 ,测试网页为博客园。

  下面介绍使用方法:

  一、在新建项目后,需要将Jumony添加到项目中,你可以下载源码使用,也可以在NugGet 中 搜索 Jumony Core 将其添加到项目中并且后自动添加所需的引用。

  二、添加引用之后,即可写项目代码。(此处代码为获取  博客园首页文章内容)

  

 1  public string Html = string.Empty;//为将拼接好html字符串返回给前台代码 2         protected void Page_Load(object sender, EventArgs e) 3         {
5 var htmlSource = new JumonyParser().LoadDocument("http://www.cnblogs.com").Find(".post_item a.titlelnk"); 6 int count = 0; 7 foreach (var htmlElement in htmlSource) 8 { 9 count ++;10 Html += string.Format(" <li>{2}、&nbsp;&nbsp;<a href=http://www.mamicode.com/"About.aspx?Url={0}\" target=\"_blank\">{1}</a></li>", htmlElement.Attribute("href").Value(), htmlElement.InnerText(),count);11 }12 }

      效果图:

       

   三、下面就是要在点击上图从博客园抓取的文章标题之后,在显示博客全文(并非在打开博客园的文章)

    代码:   

1   string html = Request["Url"];2             var htmlSource =3                 new JumonyParser().LoadDocument(html);4             HtmlText = htmlSource.Find(".postTitle2").FirstOrDefault().InnerText();5 6             Html = htmlSource.Find("#cnblogs_post_body").FirstOrDefault().InnerHtml();



效果图:
  到此,网页抓取写完了,没有什么深奥的道理,只是把他的使用方法简单的把代码贴出来了,还没有研究其源码,有时间需要深究一下。
  Jumony更多的使用方式请参见博客 http://www.cnblogs.com/Ivony/p/3447536.html 
  
  本次演示Jumony快速开发的代码如下(在百度云盘,请自行下载:):
    http://pan.baidu.com/s/1COuCI
  谢谢!