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

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 cquery 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:

你沒有看錯,爬網頁資料,C# 也可以像 Jquery 那樣

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

你沒有看錯,爬網頁資料,C# 也可以像 Jquery 那樣

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:

你沒有看錯,爬網頁資料,C# 也可以像 Jquery 那樣

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:

你沒有看錯,爬網頁資料,C# 也可以像 Jquery 那樣

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 博問專區 改成紅色,如下圖:

你沒有看錯,爬網頁資料,C# 也可以像 Jquery 那樣

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();
        }
        

你沒有看錯,爬網頁資料,C# 也可以像 Jquery 那樣

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();
        }
    }

你沒有看錯,爬網頁資料,C# 也可以像 Jquery 那樣

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

最新文章