Question

我希望我的程序能够自动从网站上下载某些信息。在发现这几乎不可能之后，我认为如果程序只下载整个网页，然后在字符串中找到我需要的信息，那将是最好的。

如何在特定单词后找到某些单词/数字？我希望拥有的数字之前的单词总是相同。数字会有所不同，这是我计划中需要的数字。

Answer 1

听起来像是屏幕刮擦。我建议使用CSQuery https://github.com/jamietre/CsQuery（如果需要，还可以使用HtmlAgilityPack）。获取源代码，解析为对象，遍历所有文本节点并在那里进行字符串比较。这样做的实际方式因源HTML的完成方式而异。

Maby类似于从内存中编写的未经测试的示例（CSQuery）

var dom = CQ.Create(stringWithHtml);
dom["*"].Each((i, e) =>
{
    // handle only text nodes
    if (e.NodeType == NodeType.TEXT_NODE) {
        // do your check here
    }
}

Answer 2

我已将HTML Agility Pack用于多个应用程序并且运行良好。还有很多选择。

这是一个可爱的HTML解析器，通常建议使用它。这将需要格式错误的HTML并按摩它到XHTML，然后是一个可遍历的DOM，比如XML类。因此，对于您在野外找到的代码非常有用。

如何抓取网站获取信息？

2 个答案: