日韩无码专区无码一级三级片|91人人爱网站中日韩无码电影|厨房大战丰满熟妇|AV高清无码在线免费观看|另类AV日韩少妇熟女|中文日本大黄一级黄色片|色情在线视频免费|亚洲成人特黄a片|黄片wwwav色图欧美|欧亚乱色一区二区三区

我們經(jīng)常需要去別的網(wǎng)站采集一些信息，.NET下所有相關(guān)的技術(shù)都已經(jīng)非常成熟，用Webrequest抓取頁(yè)面，雖然支持自定義Reference頭，又支持cookie，解析頁(yè)面一般都是用正則，但是對(duì)方網(wǎng)站結(jié)構(gòu)一變，還得重新改代碼，重新編譯，發(fā)布。有了IronPython，可以把抓取和分析的邏輯做成Python腳本，如果對(duì)方頁(yè)面結(jié)構(gòu)變了，只需修改腳本就行了，不需重新編譯軟件，這樣可以用c#做交互和界面部分，用Python封裝預(yù)期經(jīng)常變化的部分。

安平網(wǎng)站建設(shè)公司成都創(chuàng)新互聯(lián)公司,安平網(wǎng)站設(shè)計(jì)制作，有大型網(wǎng)站制作公司豐富經(jīng)驗(yàn)。已為安平近千家提供企業(yè)網(wǎng)站建設(shè)服務(wù)。企業(yè)網(wǎng)站搭建\外貿(mào)網(wǎng)站建設(shè)要多少錢(qián)，請(qǐng)找那個(gè)售后服務(wù)好的安平做網(wǎng)站的公司定做！

如何利用IronPython把抓取和分析的邏輯做成Python腳本
　　安裝好IronPython和vs.net 2010后，還需要下載一個(gè)SGMLReader（見(jiàn)參考鏈接），這個(gè)組件可以把格式不是很?chē)?yán)格的HTML轉(zhuǎn)換成格式良好的XML文件，甚至還能增加DTD的驗(yàn)證　　
　　我們以抓取百度貼吧頁(yè)面為例，新建一個(gè)Console項(xiàng)目，引用IronPython,Microsoft.Dynamic,Microsoft.Scripting,SgmlReaderDll這些組件，把SGMLReader里的Html.dtd復(fù)制到項(xiàng)目目錄下，如果沒(méi)有這個(gè)，它會(huì)根據(jù)doctype去網(wǎng)絡(luò)上找dtd，然后新建baidu.py的文件，最后在項(xiàng)目屬性的生成事件里寫(xiě)上如下代碼，把這兩個(gè)文件拷貝到目標(biāo)目錄里。

 
 
  
  
copy $(ProjectDir)\*.py $(TargetDir)  
  
  
copy $(ProjectDir)\*.dtd $(TargetDir) 
 

　　在baidu.py里首先引用必要的.net程序集。

 
 
  
  
import clr, sys  
  
  
clr.AddReference("SgmlReaderDll")  
  
  
clr.AddReference("System.Xml")  
 

完了導(dǎo)入我們需要的類(lèi)

 
 
  
  
from Sgml import *  
  
  
from System.Net import *  
  
  
from System.IO import TextReader,StreamReader  
  
  
from System.Xml import *  
  
  
from System.Text.UnicodeEncoding import UTF8  
 

利用SgmlReader寫(xiě)一個(gè)把html轉(zhuǎn)換成xml的函數(shù)，注意SystemLiteral屬性必須設(shè)置，否則就會(huì)去網(wǎng)上找dtd了，浪費(fèi)時(shí)間

 
 
  
  
def fromHtml(textReader):      
  
  
sgmlReader = SgmlReader()      
  
  
sgmlReader.SystemLiteral = "html.dtd"    sgmlReader.WhitespaceHandling =WhitespaceHandling.All      
  
  
sgmlReader.CaseFolding = CaseFolding.ToLower    sgmlReader.InputStream = textReader          
  
  
 
  
  
 
  
  
doc = XmlDocument()      
  
  
doc.PreserveWhitespace = True      
  
  
doc.XmlResolver = None      
  
  
doc.Load(sgmlReader)      
  
  
eturn doc  
 

利用webrequest寫(xiě)一個(gè)支持cookie和網(wǎng)頁(yè)編碼的抓網(wǎng)頁(yè)方法

 
 
  
  
def getWebData(url, method, data = None, cookie = None, encoding = "UTF-8"):      
  
  
   req = WebRequest.Create(url)      
  
  
   req.Method = method          
  
  
   if cookie != None:          
  
  
      req.CookieContainer = cookie          
  
  
   if data != None:          
  
  
      stream = req.GetRequestStream()          
  
  
      stream.Write(data, 0, data.Length)              
  
  
   rsp = req.GetResponse()      
  
  
   reader = StreamReader(rsp.GetResponseStre(),            
  
  
   UTF8.GetEncoding(encoding))            
  
  
   return reader  
 

寫(xiě)一個(gè)類(lèi)來(lái)定義抓取結(jié)果，這個(gè)類(lèi)不需要在c#項(xiàng)目里定義，到時(shí)候直接用c# 4.0的dynamic關(guān)鍵字就可以使用

 
 
  
  
class Post:  
  
  
    def __init__(self, hit, comments, title, link, author):  
  
  
        self.hit = hit  
  
  
        self.comments = comments   
  
  
        self.title = title  
  
  
        self.link = link  
  
  
        self.author = author  
 

定義主要工作的類(lèi)，__init__大概相當(dāng)于構(gòu)造函數(shù)，我們傳入編碼參數(shù)，并初始化cookie容器和解析結(jié)果，[]是python里的列表，大約相當(dāng)于c#的List

 
 
  
  
class BaiDu:  
  
  
    def __init__(self,encoding):  
  
  
        self.cc = self.cc = CookieContainer()  
  
  
             self.encoding = encoding 
  
  
            self.posts = []     
 

接下來(lái)定義抓取方法，調(diào)用getWebData抓網(wǎng)頁(yè)，然后用fromHtml轉(zhuǎn)換成xml，剩下的就是xml操作，和.net里一樣，一看便知

 
 
  
  
def getPosts(self, url):  
  
  
        reader = getWebData(url, "GET", None, self.cc, self.encoding)  
  
  
        doc = fromHtml(reader)  
  
  
        trs = doc.SelectNodes("html//table[@id='thread_list_table']/tbody/tr")       
  
  
        self.parsePosts(trs)  
  
  
 
  
  
def parsePosts(self, trs):  
  
  
        for tr in trs:  
  
  
            tds = tr.SelectNodes("td")  
  
  
            hit = tds[0].InnerText  
  
  
            comments = tds[1].InnerText  
  
  
            title = tds[2].ChildNodes[1].InnerText  
  
  
            link = tds[2].ChildNodes[1].Attributes["href"]   
  
  
            author = tds[3].InnerText  
  
  
 
  
  
            post = Post(hit, comments, title, link, author)  
  
  
            self.posts.append(post)  
 

c#代碼要?jiǎng)?chuàng)建一個(gè)腳本運(yùn)行環(huán)境，設(shè)置允許調(diào)試，然后執(zhí)行baidu.py，最后創(chuàng)建一個(gè)Baidu的類(lèi)的實(shí)例，并用dynamic關(guān)鍵字引用這個(gè)實(shí)例

 
 
  
  
Dictionary options = new Dictionary();      
  
  
  options["Debug"] = true;            
  
  
  ScriptEngine engine = Python.CreateEngine(options);            
  
  
  ScriptScope scope = engine.ExecuteFile("baidu.py");            
  
  
  dynamic baidu = engine.Operations.Invoke(scope.GetVariable("BaiDu"), "GBK");  
 

接下來(lái)調(diào)用BaiDu這個(gè)python類(lèi)的方法獲取網(wǎng)頁(yè)抓取結(jié)果，然后輸出就可以了

 
 
  
  
baidu.getPosts("http://tieba.baidu.com/f?kw=seo");             
  
  
   dynamic posts = baidu.posts;          
  
  
   foreach (dynamic post in posts)            
  
  
  {                   
  
  
     Console.WriteLine("{0} (回復(fù)數(shù):{1})(點(diǎn)擊數(shù)：{2})[作者:{3}]",                      
  
  
     post.title,                  
  
  
  post.comments,                     
  
  
   post.hit,                   
  
  
  post.author);           
  
  
  }