你没有看错，爬网页数据，C# 也可以像 Jquery 那样

　　你没有看错，爬网页数据，C# 也可以像 Jquery 那样

　　

　　一：背景1. 讲故事

　　前段时间搞了一个地方性民生资讯号，资讯嘛，都是我抄你的，你抄官媒的，小市民都喜欢奇闻异事，所以就存在一个需求，如何去定向抓取奇闻异事的地方号上的新闻，其实做起来很简单，用逻辑回归即可，这篇主要讨论如何去抓取，在 C# 中大家都知道抓取通用的库是 HtmlAgilityPack，但是这个库主流的做法是采用 xpath 提取网页内容，这就让我很不爽了，毕竟不熟悉莫名的抵抗哈，像我这个年纪的码农，被 Jquery 教育了至少 5-6 年，所以必须用 类Jquery 的方式，在 python 中有 pyquery 做这件事情，那在C# 中有没有类似的方式呢？嘿嘿，万能的 github 上还真有。。。就是本篇介绍的 CSQuery。

　　二：CSQuery1. 安装

　　github的地址： 然后在vs中 nuget 一下即可：

　　

　　2. 举几个例子

　　一切都准备就绪了，那怎么用呢？不着急，我以博客园举两个例子。

　　1) 将首页中的 友情连接 提取到

　　

　　如上图，要想获取这里的友情链接几个大字，直接用 text() 肯定是不行的，默认情况它会将所有的子节点的文本也会抓到，如下图：

　　

　　那怎么处理呢？可以用 jquery 提供的 contents 方法，然后在获取的所有子节点中判断是否有 文本节点，最后获取文本节点的内容即可，如下代码：

　　

　　用js是搞定了，那用 CSQuery 代码怎么搞定呢？模仿呗，如下代码：

　　<br />        static void Main(string[] args)<br />        {<br />            var jquery = CQ.CreateDocument(new WebClient().DownloadString("http://cnblogs.com"));<br /><br />            var content = jquery["#friend_link"].Contents().Filter((dom) =><br />            {<br />                return dom.NodeType == NodeType.TEXT_NODE;<br />            }).Text();<br /><br />            Console.WriteLine(content);<br />        }<br /><br />

　　我不知道用 xpath 提取这样的内容麻不麻烦，不过用 jquery 方式不简单，但轻车熟路。

　　2) 如何将 html 中的某些元素标颜色

　　有时候为了业务需要将某些 html 标签改一下颜色，比如说将首页的 tabmenu 中博问和专区改成红色，如下图：

　　

　　那用 CSQuery 怎么处理呢？如果玩过 jquery，一般来说步骤如下：

　　有了步骤，C#代码如下：

　　<br />        static void Main(string[] args)<br />        {<br />            Config.HtmlEncoder = HtmlEncoders.None;<br /><br />            var jquery = CQ.CreateDocument(new WebClient().DownloadString("http://cnblogs.com"));<br /><br />            var html = jquery["#nav_left li"].Each(dom =><br />               {<br />                   var self = jquery[dom];<br /><br />                   var text = self.Text();<br /><br />                   if (text == "博问" || text == "专区")<br />                   {<br />                       self.Find("a").CssSet(new { color = "red" });<br />                   }<br />               }).Render();<br />        }<br />        <br />

　　

　　3) 其他的操作方法

　　除了上面两个操作方法外，你还可以使用 after，before，replaceAll,IS 等等一百来个实用的方法，这篇肯定也无法一一介绍了，大家有兴趣可以下载下来看一看，捣鼓捣鼓。

　　三：其他用途

　　除了抓取html中的元素，我觉得这玩意还可以用在发送邮件时操控邮件模板，毕竟在很久以前大家都是用jquery来绘制 html，所以用 CSQuery 也是可以的，相对使用 xslt 有利有弊吧，接下来做一个例子：

　　1. 生成一个html模板

　　<br /><br /><br /><br /><br />    <br />    <br /><br /><br />    <br /><br /><br /><br />

　　2. 使用 CSQuery 给 ul 追加 li

　　可以用 Append 将内容追加到节点内。

　　

　　3. 部分渲染 RenderSelection

　　Render方法是将整个Dom渲染成html，但有时候你只需要得到你修改的那部分内容，而不是整个html，这就涉及到了部分渲染，可以用RenderSelection方法即可，代码如下：

　　<br />        static void Main(string[] args)<br />        {<br />            Config.HtmlEncoder = HtmlEncoders.None;<br /><br />            var strlist = new string[2] { "1", "2" };<br /><br />            var path = Environment.CurrentDirectory + "\\2.html";<br />            var jquery = CQ.CreateFromFile(path);<br /><br />            var current = jquery.Find("#main");<br /><br />            foreach (var str in strlist)<br />            {<br />                current.Append($"{str}");<br />            }<br /><br />            var html = current.RenderSelection();<br /><br />            Console.WriteLine(html);<br />        }<br /><br />------------- output ----------------<br /><br />12<br /><br />

　　四：总结

　　Jquery 这种操作模式对我个人来说还是比较舒服的，毕竟熟！不过在 html5 中也新增了 querySelector 和 querySelectorAll 支持 css3 选择器，非常强大，可 jquery 不光在选择器的灵活上，还在于对节点的灵活操作上，总的来说不是特别富交互的情况下可以怀旧一把。

　　

　　往期精彩回顾