.NET 爬虫从入门到入狱

news2024/11/26 4:53:36

目录

前言

1.💡使用HttpClient爬取数据

2.🚀模拟User-Agent

3.🤵使用HTML解析库

3.👌前端Price显示

4.🌱运行实例 获取金价Au

5.🧾使用正则表达式解析

6.💫获取BTC价格

 7.✨获取CSDN热点

8.🎃 获取编程语言排行榜

9.🖥️获取小破站热门

10.⭐获取某音热门 


前言

爬虫可以用于外汇,期货,基金,货币,比分,电商,文章等信息的采集。通过数据分析,竞品分析,为商业决策提供数据支持。

金价暴涨,抓取下今日的金价。

1.💡使用HttpClient爬取数据

try
{
    // 创建HttpClient实例
    using (var httpClient = new HttpClient())
    {
        //模拟User-Agent
        httpClient.DefaultRequestHeaders.Add("User-Agent", GetUserAgent());
        // 发送GET请求并获取响应 xxx.com是某网站的页面~(保护)
        var response = await httpClient.GetAsync("https://xxx.com");
        response.EnsureSuccessStatusCode();
        var htmlContent = await response.Content.ReadAsStringAsync();

      
    }
}
catch (HttpRequestException ex)
{
    // 处理请求异常
    ViewBag.Error = "Failed to retrieve price data: " + ex.Message;
}

2.🚀模拟User-Agent

  // 生成随机 User-Agent
  private string GetUserAgent()
  {
      string[] userAgents = new string[]
      {
          "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.99 Safari/537.36",
          "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.190 Safari/537.36",
          // 
      };

      Random random = new Random();
      int index = random.Next(userAgents.Length);
      return userAgents[index];
  }

3.🤵使用HTML解析库

(HtmlAgilityPack)提取价格

  // 使用HtmlAgilityPack解析HTML
        var htmlDocument = new HtmlDocument();
        htmlDocument.LoadHtml(htmlContent);

        // 使用XPath表达式选择指定的<tr>元素
        var trElement = htmlDocument.DocumentNode.SelectSingleNode("//tr[contains(@class, 'border_ea') and contains(@class, 'noTop_border')]");

        if (trElement != null)
        {
            // 获取包含价格的<td>元素
            var priceCell = trElement.SelectSingleNode(".//td[@align='center'][2]");

            if (priceCell != null)
            {
                // 提取价格
                string price = priceCell.InnerText.Trim();

                // 将价格传递给视图
                ViewBag.Price = price;
            }
            else
            {
                ViewBag.Error = "Price cell not found in table row.";
            }
        }
        else
        {
            ViewBag.Error = "Table row not found.";
        }

也可以用正则表达式提取

3.👌前端Price显示

    <h1>Au99.99 Price: @ViewBag.Price</h1>
    <h2>@ViewBag.Error</h2>

4.🌱运行实例 获取金价Au

也可以通过修改规则取实时Pt的价格

      // 使用XPath表达式选择指定的<tr>元素
      var trElements = htmlDocument.DocumentNode.SelectNodes("//tr[contains(@class, 'border_ea') and contains(@class, 'noTop_border ')]");

      if (trElements != null)
      {
          foreach (var trElement in trElements)
          {
              // 获取包含产品名称和价格的<td>元素
              var tdElements = trElement.SelectNodes("./td");
              if (tdElements != null && tdElements.Count >= 5)
              {
                  // 获取产品名称、最新价、最高价、最低价和今开盘价格
                  string productName = tdElements[0].InnerText.Trim();
                  string latestPrice = tdElements[1].InnerText.Trim();
                  string highestPrice = tdElements[2].InnerText.Trim();
                  string lowestPrice = tdElements[3].InnerText.Trim();
                  string openingPrice = tdElements[4].InnerText.Trim();

                  // 检查产品名称是否为Au99.99或Pt99.95
                  if (productName == "Au99.99")
                  {
                      // 将Au99.99价格信息传递给视图
                      ViewBag.AuLatestPrice = latestPrice;
                      ViewBag.AuHighestPrice = highestPrice;
                      ViewBag.AuLowestPrice = lowestPrice;
                      ViewBag.AuOpeningPrice = openingPrice;
                  }
                  else if (productName == "Pt99.95")
                  {
                      // 将Pt99.95价格信息传递给视图
                      ViewBag.PtLatestPrice = latestPrice;
                      ViewBag.PtHighestPrice = highestPrice;
                      ViewBag.PtLowestPrice = lowestPrice;
                      ViewBag.PtOpeningPrice = openingPrice;
                  }
              }
          }
      }

结果如下:

5.🧾使用正则表达式解析

通过httpClient请求

     public async Task<ActionResult> Index()
     {
         // 获取当前时间的时间戳
         long timestamp = DateTimeOffset.Now.ToUnixTimeMilliseconds();

         // 构建URL
         string url = $"http://www.xxx.cn/xx.js?t={timestamp}";

         // 创建HttpClient实例
         using (var httpClient = new HttpClient())
         {
             // 设置 User-Agent
             httpClient.DefaultRequestHeaders.Add("User-Agent", GetUserAgent());

             try
             {
                 // 发送GET请求
                 var response = await httpClient.GetAsync(url);
                 response.EnsureSuccessStatusCode();

                 // 读取返回的数据
                 var responseData = await response.Content.ReadAsStringAsync();

                 // 解析返回的数据
                 var price = ParseGoldPrice(responseData);

                 // 将价格传递给视图
                 ViewBag.Price = price;
             }
             catch (HttpRequestException ex)
             {
                 // 处理请求异常
                 ViewBag.Error = "Failed to retrieve gold price data.";
             }
         }

         // 返回视图
         return View();
     }

处理返回价格 

通过正则表达式匹配数据

  private decimal ParseGoldPrice(string responseData)
  {


      string price = "";
      decimal price2 = 0;
  
      string data = responseData;// 

      // 匹配价格的正则表达式
      string pattern = @"var hq_str_gds_AUTD=""([^""]+)"";";

      // 使用正则表达式匹配数据
      Match match = Regex.Match(data, pattern);

      if (match.Success)
      {
          // 获取匹配到的价格数据
          string priceData = match.Groups[1].Value;

          // 使用逗号分割数据,取第一个元素作为价格
          string[] priceParts = priceData.Split(',');
          price = priceParts[0];

          // 将字符串价格转换为decimal类型
          price2 = decimal.Parse(price);

          // 输出提取到的价格
          Console.WriteLine("Gold Price: " + price2);
      }
      else
      {
          Console.WriteLine("Price not found in data.");
      }

      // decimal price = decimal.Parse(priceString);
     
      return price2;
  }

6.💫获取BTC价格

Headers模拟cookie获取BTC价格

 
 httpClient.DefaultRequestHeaders.Add("User-Agent", GetUserAgent());

 httpClient.DefaultRequestHeaders.Add("Accept", "text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.7");
 httpClient.DefaultRequestHeaders.Add("Accept-Language", "zh-CN,zh;q=0.9");
 httpClient.DefaultRequestHeaders.Add("Cache-Control", "max-age=0");
//cookie
 httpClient.DefaultRequestHeaders.Add("Cookie", "__51uvsct__3ExGyQaAoNSqsSUY=1; __51vcke__3ExGyQaAoNSqsSUY=c91184d5-8826-5ea8-8ddc-a0f3b85c9470; __51vuft__3ExGyQaAoNSqsSUY=1713248151570; PHPSESSID=a6ff05p79bbf3ot4ohphein0e1; Hm_lvt_1605442054faab140873b7c14e40c707=1713248152; Hm_lvt_4820535acfded9186d46b7ae0c829918=1713248152; __vtins__3ExGyQaAoNSqsSUY=%7B%22sid%22%3A%20%22757fcc49-fe4e-5985-bc10-5a0f6ef6d6ba%22%2C%20%22vd%22%3A%206%2C%20%22stt%22%3A%201175754%2C%20%22dr%22%3A%20271898%2C%20%22expires%22%3A%201713251127320%2C%20%22ct%22%3A%201713249327320%7D; Hm_lpvt_1605442054faab140873b7c14e40c707=1713249327; Hm_lpvt_4820535acfded9186d46b7ae0c829918=1713249328");
 httpClient.DefaultRequestHeaders.Add("Sec-Ch-Ua", "\"Google Chrome\";v=\"123\", \"Not:A-Brand\";v=\"8\", \"Chromium\";v=\"123\"");
 httpClient.DefaultRequestHeaders.Add("Sec-Ch-Ua-Mobile", "?0");
 httpClient.DefaultRequestHeaders.Add("Sec-Ch-Ua-Platform", "\"Windows\"");
 httpClient.DefaultRequestHeaders.Add("Sec-Fetch-Dest", "document");
 httpClient.DefaultRequestHeaders.Add("Sec-Fetch-Mode", "navigate");
 httpClient.DefaultRequestHeaders.Add("Sec-Fetch-Site", "none");
 httpClient.DefaultRequestHeaders.Add("Sec-Fetch-User", "?1");
 httpClient.DefaultRequestHeaders.Add("Upgrade-Insecure-Requests", "1");

 //匹配
 var currencyElement = 
 htmlDocument.DocumentNode.SelectSingleNode("//div[@id='hr_app_cid_1']");
 if (currencyElement != null)
 {
     // 查找包含人民币价格的元素
     var priceElement = currencyElement.SelectSingleNode(".//div[@class='virtual overflow']");
     if (priceElement != null)
     {
      // 提取人民币价格
      var chinesePrice = priceElement.InnerText.Trim();
     }

 }

美元价格也是类似的规则,运行结果

 7.✨获取CSDN热点

模拟请求,修改规则

  var httpClient = new HttpClient();
  var referer = "xxx";
  httpClient.DefaultRequestHeaders.Add("referer", referer);
  httpClient.DefaultRequestHeaders.Add("User-Agent", GetUserAgent());
  var response = await httpClient.GetAsync("xxx/");
  response.EnsureSuccessStatusCode();
  var responseBody = await response.Content.ReadAsStringAsync();

  var contentList = new List<Tuple<string, string, string>>();

  var htmlDocument = new HtmlDocument();
  htmlDocument.LoadHtml(responseBody);

  //  var itemNodes = htmlDocument.DocumentNode.SelectNodes("//div[contains(@class, 'headswiper-item')]");
  var items = htmlDocument.DocumentNode.SelectNodes("//div[@class='headswiper-item']");

  if (items != null)
  {
       foreach (var item in items)
       {
           var titleNode = item.SelectSingleNode(".//a[@class='title']");
           var nameNode = item.SelectSingleNode(".//p[@class='name']");
           var linkNode = item.SelectSingleNode(".//a[@class='title']");


           if (titleNode != null && nameNode != null && linkNode != null)
           {
               var title = titleNode.InnerText.Trim();
               var name = nameNode.InnerText.Trim();
               var link = linkNode.GetAttributeValue("href", "");
               contentList.Add(new Tuple<string, string, string>(title, name, link));
           }
       }
  }
  return View(contentList);

or 使用正则


  // 使用正则表达式匹配所有符合条件的 div 元素内容
  var regex = new Regex(@"<div class=""headswiper-item""(.*?)</div>", RegexOptions.Singleline);
  var matches = regex.Matches(responseBody);
  foreach (Match match in matches)
  {
      //去除Vuehtml
      string s1temp = match.Groups[1].Value.Trim();
      int i1 = s1temp.IndexOf(">")+1;
      int i2  = s1temp.Length - i1 - 1;
      string  hotstr = s1temp.Substring(i1, i2);
      
      contentList.Add(hotstr);
  }

运行结果

8.🎃 获取编程语言排行榜

            var response = await httpClient.GetAsync("xxx");
            response.EnsureSuccessStatusCode();
            var htmlContent = await response.Content.ReadAsStringAsync();

            var htmlDocument = new HtmlDocument();
            htmlDocument.LoadHtml(htmlContent);

            // 获取表格内容
            var table = htmlDocument.DocumentNode.SelectSingleNode("//table[@class='w-min min-w-full table-fixed divide-y-2 divide-gray-200 text-sm dark:divide-gray-700']");

            ViewBag.TableContent = table?.OuterHtml; 

9.🖥️获取小破站热门

 var httpClient = new HttpClient();
 var referer = "https://xxx";
 httpClient.DefaultRequestHeaders.Add("Referer", referer);
 httpClient.DefaultRequestHeaders.Add("User-Agent", GetUserAgent());
 var response = await httpClient.GetAsync("https://xxx");
 response.EnsureSuccessStatusCode();
 var responseBody = await response.Content.ReadAsStringAsync();
 var jsonRes = Newtonsoft.Json.JsonConvert.DeserializeObject<dynamic>(responseBody);
 var tempArr = new List<MItem>();

 int itid = 1;
 foreach (var itemj in jsonRes.data.list)
 {
     string tt = itemj.keyword.ToString();
   //  string hot = itemj.hot_value.ToString();
     tempArr.Add(new MItem
     {
         Index = itid++,
         Title = tt,
         Hot = "",
         Url = "https://search.bilibili.com/all?keyword=" + tt+ "&order=click",
         MobileUrl = "https://search.bilibili.com/all?keyword=" + tt+ "&order=click"
     });
 }

 var md = new MData
 {
     Success = true,
     Title = "小破站",
     Subtitle = "热搜榜",
     UpdateTime = DateTime.Now.ToString("yyyy-MM-dd hh:mm:ss"),
     Data = tempArr
 };
  public class MData
  {
      public bool Success { get; set; }
      public string Title { get; set; }
      public string Subtitle { get; set; }
      public string UpdateTime { get; set; }
      public List<MItem> Data { get; set; }
  }
 public class MItem
    {
        public int Index { get; set; }
        public string Title { get; set; }
        public string Hot { get; set; }
        public string Url { get; set; }
        public string MobileUrl { get; set; }
    }

10.⭐获取某音热门 

  var httpClient = new HttpClient();
  var referer = "xxx";
  httpClient.DefaultRequestHeaders.Add("referer", referer);
  httpClient.DefaultRequestHeaders.Add("User-Agent", GetUserAgent());
  var response = await httpClient.GetAsync("xxx");
  response.EnsureSuccessStatusCode();
  var responseBody = await response.Content.ReadAsStringAsync();
  var jsonRes = Newtonsoft.Json.JsonConvert.DeserializeObject<dynamic>(responseBody);
  var tempArr = new List<MItem>();

  int itid = 1;
  foreach (var itemj in jsonRes.word_list)
  {
      string tt = itemj.word.ToString();
      string hot  =itemj.hot_value.ToString();


      tempArr.Add(new MItem
      {
          Index = itid++,
          Title = tt,
          Hot = hot,
          Url = "https://www.douyin.com/search/" + tt,
          MobileUrl = "https://www.douyin.com/search/" + tt
      }); 
  }

  var douyinData = new MData
  {
      Success = true,
      Title = "某音",
      Subtitle = "热搜榜",
      UpdateTime = DateTime.Now.ToString("yyyy-MM-dd hh:mm:ss"),
      Data = tempArr
  };

注意:如果目标有IP限制、Cookie、签名等,则需编写相应的对策 。

此外,还可以通过WinFrom WebBowser控件实现加载完DOM再匹配信息实现爬取效果。

这里只做抛砖引玉,后续是否入狱自行探索,请勿使用此技术做违法的事情!!!💀 

在使用爬虫技术时,必须遵守相关法律法规,尊重网站经营者的权益,避免对网站或系统造成干扰或破坏。同时,对于涉及公民个人信息的爬虫行为,应格外谨慎,确保不侵犯他人的隐私权。

END

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1606850.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【网站项目】书籍销售系统小程序

&#x1f64a;作者简介&#xff1a;拥有多年开发工作经验&#xff0c;分享技术代码帮助学生学习&#xff0c;独立完成自己的项目或者毕业设计。 代码可以私聊博主获取。&#x1f339;赠送计算机毕业设计600个选题excel文件&#xff0c;帮助大学选题。赠送开题报告模板&#xff…

【云计算】安全组和网络ACL的区别

安全组和网络ACL的区别 ACL&#xff08;Access Control List&#xff09;和 安全组&#xff08;Security Group&#xff09;是两种不同的网络安全控制机制&#xff0c;通常用于管理云计算平台中的网络访问权限。它们在功能和实现上有一些显著的区别&#xff1a; 辨析 范围不同&…

大数据------额外插件及技术------Git(完整知识点汇总)

Git 定义 它是分布式版本控制工具&#xff0c;主要用于管理开发过程中的源代码文件&#xff08;如&#xff1a;Java类、xml文件、html页面等&#xff09;&#xff0c;在软件开发过程中被广泛应用 作用 代码回溯&#xff1a;快速回到某一代码历史版本版本切换&#xff1a;同一个…

【深度学习】Attention、Self-Attention、Multi-Head Attention

一、Attention 在CV领域&#xff0c;注意力机制通常分为通道注意力和空间注意力或者两者结合。 一张图像经backbone得到的特征通常包括多个通道&#xff0c;每个通道是一个像素矩阵&#xff0c;每个通道对任务的贡献不尽相同&#xff0c;单个通道的特征图中每个像素对任务的贡…

户外旅行摄影手册,旅游摄影完全攻略

一、资料前言 本套旅游摄影资料&#xff0c;大小295.47M&#xff0c;共有9个文件。 二、资料目录 《川藏线旅游摄影》杨桦.彩印版.pdf 《户外摄影指南》(Essential.Guide.to.Outdoor.photography.amateur)影印版.pdf 《旅行摄影大师班》(英)科尼什.扫描版.PDF 《旅行摄影…

Java垃圾回收1

1.对象什么时候可以被垃圾器回收 1.垃圾回收的概念 为了让程序员更专注于代码的实现&#xff0c;而不用过多的考虑内存释放的问题&#xff0c;所以&#xff0c; 在Java语言中&#xff0c;有了自动的垃圾回收机制&#xff0c;也就是我们熟悉的GC(Garbage Collection)。 有了垃圾…

网络编程ServerSocketChannel

ServerSocketChannel 1 非阻塞 vs 阻塞1.1 阻塞1.2 非阻塞1.3 多路复用 2 Selector2.1 创建2.2 绑定 Channel 事件2.3 监听 Channel 事件2.4 &#x1f4a1; select 何时不阻塞 3 处理 accept 事件&#x1f4a1; 事件发生后能否不处理 4 处理 read 事件4.1 &#x1f4a1; 为何要…

vscode绿绿主题setting config

下载插件Green Tree Theme 选greentree ctrl shift p找到setting {"workbench.colorTheme": "Green Tree","editor.fontSize": 16.5, // 字号"workbench.colorCustomizations": {"[Green Tree]": {"activityBarBadge.…

【Lattice FPGA 开发】Modelsim与Diamond联合仿真

本文讲解Modelsim与Diamond进行联合仿真步骤&#xff0c;以及对遇到问题的解决与说明。 文章目录 软件版本0. Diamond设置文件为仿真文件特别注意 1. Diamond设置仿真软件为Modelsim2. Modelsim编译Lattice的库文件2.1 新建文件夹存放库文件2.2 Modelsim中建立新的仿真库2.2.1…

探秘Redis:从数据类型到API

欢迎大家关注我的微信公众号“软件求生”,我们将会定期为大家带来更多有趣的技术分享和实用的开发技巧。感谢大家的支持! 大家好,我是小米,今天我们来聊一聊阿里巴巴面试中经常会遇到的一个热门话题——Redis数据类型和相关API。Redis作为一款高性能的键值对存储数据库,其…

LevelDB源码阅读笔记(1、整体架构)

LevelDB源码阅读笔记&#xff08;1、整体架构&#xff09; LeveDB源码笔记系列&#xff1a; LevelDB源码阅读笔记&#xff08;0、下载编译leveldb&#xff09; LevelDB源码阅读笔记&#xff08;1、整体架构&#xff09; 前言 对LevelDB源码的博客&#xff0c;我准备采用总…

HZNUCTF第五届校赛实践赛初赛 Web方向 WriteUp

ezssti 很简单的ssti 源码给了&#xff0c;调用Eval即可执行命令 package mainimport ("fmt""net/http""os/exec""strings""text/template" )type User struct {Id intName stringPasswd string }func (u User) Ev…

短视频去水印解析接口 可测试

短视频解析聚合接口80多个热们短视频平台。可测试 接口开发文档&#xff1a; 返回格式&#xff1a; JSON 请求方式&#xff1a; GET/POST 示例请求地址&#xff1a;https://www.dspqsy.vip/spapi?keykey&url短视频url 请求参数说明&#xff1a; 字段必填类型说明url是…

Golang | Leetcode Golang题解之第36题有效的数独

题目&#xff1a; 题解&#xff1a; func isValidSudoku(board [][]byte) bool {var rows, columns [9][9]intvar subboxes [3][3][9]intfor i, row : range board {for j, c : range row {if c . {continue}index : c - 1rows[i][index]columns[j][index]subboxes[i/3][j/3]…

2021年全国大学生电子设计竞赛D题——基于互联网的摄像测量系统(二)

09 电路设计 前面介绍了系统的硬件框图如下&#xff1a; 硬件基本分为三块&#xff0c;两个摄像节点&#xff0c;一个终端节点。 1. 摄像节点硬件 摄像节点由一个DE10-Nano开发板和一个D8M摄像头实现&#xff0c;DE10-Nano开发板的HDMI接口外接HDMI显示器来显示拍摄到的视频。…

Linux下SPI设备驱动实验:验证读写SPI设备中数据的函数功能

一. 简介 前面文章实现了 SPI设备驱动框架&#xff0c;并在此基础上添加了字符设备驱动框架&#xff0c;实现了读 / 写SPI设备中数据的函数&#xff0c;文章如下&#xff1a; Linux下SPI设备驱动实验&#xff1a;向SPI驱动框架中加入字符设备驱动框架代码-CSDN博客 Linux下…

基于springboot实现工程教育认证的计算机课程管理平台项目【项目源码+论文说明】

基于springboot实现计算机课程管理平台系统演示 摘要 随着信息技术在管理上越来越深入而广泛的应用&#xff0c;管理信息系统的实施在技术上已逐步成熟。本文介绍了基于工程教育认证的计算机课程管理平台的开发全过程。通过分析基于工程教育认证的计算机课程管理平台管理的不足…

opencv | 编译缺失ippicv相关文件解决方案

1.执行cmake后&#xff0c;查看控制台输出信息 ~/VM_data/opencv-4.9.0$ cd buile_temp ~/VM_data/opencv-4.9.0/buile_temp$ cmake ..2.去浏览器打开链接&#xff0c;下载对应的压缩包&#xff0c;解压到 路径&#xff1a;/3rdparty/ippicv/

【Canvas技法】四条C形色带填满一个圆/环形

【关键点】 通过三角函数计算控制点的位置。 【成果图】 【代码】 <!DOCTYPE html> <html lang"utf-8"> <meta http-equiv"Content-Type" content"text/html; charsetutf-8"/> <head><title>四条C形色带填满一个…

2024华中杯C题平面曲线重建思路

华中杯数学建模思路 光纤传感技术是伴随着光纤及光通信技术发展起来的一种新型传感器技 术。它是以光波为传感信号、光纤为传输载体来感知外界环境中的信号&#xff0c;其基本原理是当外界环境参数发生变化时&#xff0c;会引起光纤传感器中光波参量&#xff08;如波长、相位、…