下面我以新浪軍事新聞模塊提取軍事新聞的標題,將提取到的新聞標題保存到記事本上
創(chuàng)新互聯(lián)建站網(wǎng)站建設(shè)由有經(jīng)驗的網(wǎng)站設(shè)計師、開發(fā)人員和項目經(jīng)理組成的專業(yè)建站團隊,負責網(wǎng)站視覺設(shè)計、用戶體驗優(yōu)化、交互設(shè)計和前端開發(fā)等方面的工作,以確保網(wǎng)站外觀精美、成都網(wǎng)站設(shè)計、網(wǎng)站建設(shè)易于使用并且具有良好的響應性。
- static void Main(string[] args)
- {
- Stopwatch watch = new Stopwatch();
- watch.Start();
- WebClient wc = new WebClient();
- int count = 0;
- //正則表達式
- string regLinks = "
- (.+?)(.+?)
";- //由于耗時太久,在這里我只提取新浪100個頁面的新聞標題
- for (int i = 1; i < 100; i++)
- {
- //http://roll.mil.news.sina.com.cn/col/zgjq/index_4.shtml
- string url = @"http://roll.mil.news.sina.com.cn/col/zgjq/index_"+i+".shtml";
- string html = wc.DownloadString(url);
- MatchCollection matchs = Regex.Matches(html, regLinks);
- using (StreamWriter sw = new StreamWriter(@"c:\news.txt", true, Encoding.GetEncoding("gb2312")))
- {
- foreach (Match match in matchs)
- {
- if (match.Success)
- {
- sw.WriteLine(match.Groups[1].Value + "\t" + match.Groups[2].Value);
- count++;
- }
- }
- }
- }
- watch.Stop();
- Console.WriteLine("共提取了{0}個新聞標題",count);
- Console.WriteLine("共計用時:{0}",watch.Elapsed);
- Console.ReadKey();
- }
朋友們可以提取其他相關(guān)網(wǎng)站的新聞標題,但是提取的時候一定要記得找源代碼規(guī)律,因為
正則表達式的拼接是根據(jù)標題源代碼的規(guī)律來提取的,如果不找規(guī)律,是很難進行提取的。
希望大家可以根據(jù)程序來提取其他網(wǎng)站的內(nèi)容
創(chuàng)新互聯(lián)www.cdcxhl.cn,專業(yè)提供香港、美國云服務器,動態(tài)BGP最優(yōu)骨干路由自動選擇,持續(xù)穩(wěn)定高效的網(wǎng)絡(luò)助力業(yè)務部署。公司持有工信部辦法的idc、isp許可證, 機房獨有T級流量清洗系統(tǒng)配攻擊溯源,準確進行流量調(diào)度,確保服務器高可用性。佳節(jié)活動現(xiàn)已開啟,新人活動云服務器買多久送多久。