当前位置： 移动技术网 > IT编程>开发语言>.net > 正则方式的自动小偷抓网程序

正则方式的自动小偷抓网程序

2017年12月12日  | 移动技术网IT编程  | 我要评论
有一些瑕疵没时间细化，只是实现了效果，大家看一看这个正则该怎么写好：
url：http://news.szhome.com/83642.html
内容：
复制代码 代码如下:

object></div></div>
</div>

<div class="share"><div class="linkshare" style="right: 0">

这两个标记之间的代码。end标记的问题解决了，但是郁闷的是start截取的标记因为第二个div和第三个中间有换行，我无语了不知道怎么处理这个正则。
而且郁闷的是有多处有这种重复型标记，对正则不太熟悉，我的解决方法如下：

复制代码 代码如下:

matchcollection mc = regex.matches(ghopage.trim(), @"(?<=<div class=['""]txtmsg['""]>)[\s\s]*?(?=<div class=['""]share['""]><div class=)", regexoptions.cultureinvariant | regexoptions.ignorecase);
foreach (match mm in mc)
{
sb.append(mc[0].value.substring(1933, mc[0].value.length - 1933));
}

我算出截取出来多处两个flash广告div的长度是1933，然后处理字符串截取后得到我想要的文本，这样做的劣势就是万一该站改变了两个flash广告div的长度我获取的数据就不是完整的呢，有兴趣的研究下，看看换行的div正则问题怎么处理。
里面用到了自己写的一个button控件，可以在点击后禁止重复点击，然后就是一些判断，在思路上蛮不错，可以做到一直抓取，因为不经常用就没做成windows服务类型，这样的程序可以做成windows服务，把规则写在ini文件中，抓录的规则和正则也放在配置文件中，这样就能实现自动抓录。

很短的代码，对这种抓录有兴趣的朋友可以尝试下。

您可能感兴趣的文章:

如对本文有疑问， 点击进行留言回复！！

相关文章:

验证码：
最近更新的文章
大家感兴趣的文章
移动技术网