本文实例讲述了C#.Net基于正则表达式抓取百度百家文章列表的方法。分享给大家供大家参考，具体如下：
工作之余，学习了一下正则表达式，鉴于实践是检验真理的唯一标准，于是便写了一个利用正则表达式抓取百度百家文章的例子，具体过程请看下面源码：
一、获取百度百家网页内容
public List< string []> GetUrl()
{
try
{
string url = "http://baijia.baidu测试数据/" ;
WebRequest webRequest = WebRequest.Create(url);
WebResponse webResponse = webRequest.GetResponse();
StreamReader reader = new StreamReader(webResponse.GetResponseStream());
string result = reader.ReadToEnd();
reader.Close();
webResponse.Close();
return AnalysisHtml(result);
}
catch (Exception ex)
{
throw ex;
}
}
二、通过正则表达式筛选
public List< string []> AnalysisHtml( string htmlContent)
{
List< string []> list = new List< string []>();
string strPattern = "<h3><a\\s*.*>(?<Title>[^<]+)</a></h3>.*\\s*<p\\s*class=\"feeds-item-text\">(?<Abstract>[^<]+)<a\\s*href=\"(?<Url>.*)\"\\s*target=\"_blank\"\\s*class=\"feeds-item-more\"\\s*mon=\".*\\s*\">.*\\s*</a></p>" ;
Regex regex = new Regex(strPattern, RegexOptions.IgnoreCase | RegexOptions.Multiline | RegexOptions.CultureInvariant);
if (regex.IsMatch(htmlContent))
{
MatchCollection matchCollection = regex.Matches(htmlContent);
foreach (Match match in matchCollection)
{
string [] str = new string [3];
str[0] = match.Groups[1].Value; //获取到的是列表数据的标题
str[1] = match.Groups[2].Value; //获取到的是内容
str[2] = match.Groups[3].Value; //获取到的是链接到的地址
list.Add(str);
}
}
return list;
}
附： 完整实例代码点击此处 本站下载 。
希望本文所述对大家C#程序设计有所帮助。
原文链接：http://HdhCmsTestcnblogs测试数据/imhaiyang/p/3983004.html
dy("nrwz");
查看更多关于C#.Net基于正则表达式抓取百度百家文章列表的方法示例的详细内容...