你沒有看錯，爬網頁資料，C# 也可以像 Jquery 那樣

一線碼農發表於2020-09-22
網頁C#jQuery

一：背景

1. 講故事

前段時間搞了一個地方性民生資訊號，資訊嘛，都是我抄你的，你抄官媒的，小市民都喜歡奇聞異事，所以就存在一個需求，如何去定向抓取奇聞異事的地方號上的新聞，其實做起來很簡單，用邏輯迴歸即可，這篇主要討論如何去抓取，在 C# 中大家都知道抓取通用的庫是 HtmlAgilityPack，但是這個庫主流的做法是採用 xpath 提取網頁內容，這就讓我很不爽了，畢竟不熟悉莫名的抵抗哈，像我這個年紀的碼農，被 Jquery 教育了至少 5-6 年，所以必須用 類Jquery 的方式，在 python 中有 pyquery 做這件事情，那在 C# 中有沒有類似的方式呢？ 嘿嘿，萬能的 github 上還真有。。。 就是本篇介紹的 CSQuery。

二：CSQuery

1. 安裝

github的地址： https://github.com/zone117x/CsQuery 然後在vs中 nuget 一下即可：

2. 舉幾個例子

一切都準備就緒了，那怎麼用呢？ 不著急，我以部落格園舉兩個例子。

1) 將首頁中的 友情連線 提取到

如上圖，要想獲取這裡的 友情連結幾個大字，直接用 text() 肯定是不行的，預設情況它會將所有的子節點的文字也會抓到，如下圖：

那怎麼處理呢？ 可以用 jquery 提供的 contents 方法，然後在獲取的所有子節點中判斷是否有 文字節點，最後獲取文字節點的內容即可，如下程式碼：

用js是搞定了，那用 CSQuery 程式碼怎麼搞定呢？模仿唄，如下程式碼：


        static void Main(string[] args)
        {
            var jquery = CQ.CreateDocument(new WebClient().DownloadString("http://cnblogs.com"));

            var content = jquery["#friend_link"].Contents().Filter((dom) =>
            {
                return dom.NodeType == NodeType.TEXT_NODE;
            }).Text();

            Console.WriteLine(content);
        }

我不知道用 xpath 提取這樣的內容麻不麻煩，不過用 jquery 方式不簡單，但輕車熟路。

2) 如何將 html 中的某些元素標顏色

有時候為了業務需要將某些 html 標籤改一下顏色，比如說將首頁的 tabmenu 中 博問 和 專區 改成紅色，如下圖：

那用 CSQuery 怎麼處理呢？ 如果玩過 jquery，一般來說步驟如下：

  • 使用 each 遍歷每一個子 li 標籤

  • 使用 CSS 方法給 li 中 a 標籤賦樣式

  • 使用 Render 渲染生成一個新的的html

有了步驟，C#程式碼如下：


        static void Main(string[] args)
        {
            Config.HtmlEncoder = HtmlEncoders.None;

            var jquery = CQ.CreateDocument(new WebClient().DownloadString("http://cnblogs.com"));

            var html = jquery["#nav_left li"].Each(dom =>
               {
                   var self = jquery[dom];

                   var text = self.Text();

                   if (text == "博問" || text == "專區")
                   {
                       self.Find("a").CssSet(new { color = "red" });
                   }
               }).Render();
        }

3) 其他的操作方法

除了上面兩個操作方法外，你還可以使用 after，before，replaceAll,IS 等等一百來個實用的方法，這篇肯定也無法一一介紹了，大家有興趣可以下載下來看一看，搗鼓搗鼓。

三：其他用途

除了抓取html中的元素，我覺得這玩意還可以用在傳送郵件時操控郵件模板，畢竟在很久以前大家都是用jquery來繪製 html，所以用 CSQuery 也是可以的，相對使用 xslt 有利有弊吧，接下來做一個例子：

1. 生成一個html模板


<!DOCTYPE html>

<html lang="en" xmlns="http://www.w3.org/1999/xhtml">
<head>
    <meta charset="utf-8" />
    <title></title>
</head>
<body>
    <ul id="main"></ul>
</body>
</html>

2. 使用 CSQuery 給 ul 追加 li

可以用 Append 將內容追加到 <ul> 節點內。


    class Program
    {
        static void Main(string[] args)
        {
            Config.HtmlEncoder = HtmlEncoders.None;

            var strlist = new string[2] { "1", "2" };

            var path = Environment.CurrentDirectory + "\\2.html";
            var jquery = CQ.CreateFromFile(path);

            foreach (var str in strlist)
            {
                jquery.Find("#main").Append($"<li>{str}</li>");
            }

            var html = jquery.Render();
        }
    }

3. 部分渲染 RenderSelection

Render方法是將整個Dom渲染成html，但有時候你只需要得到你修改的那部分內容，而不是整個html，這就涉及到了部分渲染，可以用 RenderSelection 方法即可，程式碼如下：


        static void Main(string[] args)
        {
            Config.HtmlEncoder = HtmlEncoders.None;

            var strlist = new string[2] { "1", "2" };

            var path = Environment.CurrentDirectory + "\\2.html";
            var jquery = CQ.CreateFromFile(path);

            var current = jquery.Find("#main");

            foreach (var str in strlist)
            {
                current.Append($"<li>{str}</li>");
            }

            var html = current.RenderSelection();

            Console.WriteLine(html);
        }

------------- output ----------------

<ul id="main"><li>1</li><li>2</li></ul>

四：總結

Jquery 這種操作模式對我個人來說還是比較舒服的，畢竟熟！ 不過在 html5 中也新增了 querySelector 和 querySelectorAll 支援 css3 選擇器，非常強大，可 jquery 不光在選擇器的靈活上，還在於對節點的靈活操作上，總的來說不是特別富互動的情況下可以懷舊一把。

如您有更多問題與我互動，掃描下方進來吧~

圖片名稱

相關文章