C#从新浪新闻上提取新闻标题-创新互联

下面我以新浪军事新闻模块提取军事新闻的标题,将提取到的新闻标题保存到记事本上

创新互联建站网站建设由有经验的网站设计师、开发人员和项目经理组成的专业建站团队,负责网站视觉设计、用户体验优化、交互设计和前端开发等方面的工作,以确保网站外观精美、成都网站设计、网站建设易于使用并且具有良好的响应性。
  1. static void Main(string[] args) 
  2.       { 
  3.           Stopwatch watch = new Stopwatch(); 
  4.           watch.Start(); 
  5.           WebClient wc = new WebClient(); 
  6.           int count = 0; 
  7.           //正则表达式 
  8.           string regLinks = "
  9. (.+?)(.+?)
  10. "; 
  11.           //由于耗时太久,在这里我只提取新浪100个页面的新闻标题 
  12.           for (int i = 1; i < 100; i++) 
  13.           { 
  14.               //http://roll.mil.news.sina.com.cn/col/zgjq/index_4.shtml 
  15.               string url = @"http://roll.mil.news.sina.com.cn/col/zgjq/index_"+i+".shtml"; 
  16.  
  17.               string html = wc.DownloadString(url); 
  18.               MatchCollection matchs = Regex.Matches(html, regLinks); 
  19.               using (StreamWriter sw = new StreamWriter(@"c:\news.txt", true, Encoding.GetEncoding("gb2312"))) 
  20.               { 
  21.                   foreach (Match match in matchs) 
  22.                   { 
  23.                       if (match.Success) 
  24.                       { 
  25.                           sw.WriteLine(match.Groups[1].Value + "\t" + match.Groups[2].Value); 
  26.                           count++; 
  27.                       } 
  28.                   } 
  29.               } 
  30.           } 
  31.           watch.Stop(); 
  32.           Console.WriteLine("共提取了{0}个新闻标题",count); 
  33.           Console.WriteLine("共计用时:{0}",watch.Elapsed); 
  34.           Console.ReadKey(); 
  35.       } 

朋友们可以提取其他相关网站的新闻标题,但是提取的时候一定要记得找源代码规律,因为

  1. //正则表达式 
  2. string regLinks = "
  3. (.+?)(.+?)
  4. "; 

正则表达式的拼接是根据标题源代码的规律来提取的,如果不找规律,是很难进行提取的。

希望大家可以根据程序来提取其他网站的内容

创新互联www.cdcxhl.cn,专业提供香港、美国云服务器,动态BGP最优骨干路由自动选择,持续稳定高效的网络助力业务部署。公司持有工信部办法的idc、isp许可证, 机房独有T级流量清洗系统配攻击溯源,准确进行流量调度,确保服务器高可用性。佳节活动现已开启,新人活动云服务器买多久送多久。


当前标题:C#从新浪新闻上提取新闻标题-创新互联
路径分享:http://scyanting.com/article/ioiej.html