作者: 郝喜路   个人主页: http://www.cnicode.com       博客地址: http://haoxilu.cnblogs.com    时间:2014年6月26日 19:25:02


 

  刚刚在博客园 看到一篇博文《 使用HttpWebRequest和HtmlAgilityPack抓取网页(拒绝乱码,拒绝正则表达式)》  ,感觉不错,作者写的也挺好的,然后在看了园子里的朋友的评论后,我知道了有一个更牛x的工具—— Jumony 。这个工具用起来可谓称之为简单、高效。 特此记录和分享, Jumony 的使用方法。

   Jumony是开源项目,目前源代码存放咋GitHub ,源码地址:  https://github.com/Ivony/Jumony 。我测试使用的是Visual Studio 2012 ,测试网页为博客园。

  下面介绍使用方法:

  一、在新建项目后,需要将 Jumony添加到项目中,你可以下载源码使用,也可以在NugGet 中 搜索 Jumony Core 将其添加到项目中并且后自动添加所需的引用。

  二、添加引用之后,即可写项目代码。(此处代码为获取  博客园首页文章内容)

  

1 public string Html = string.Empty;//为将拼接好html字符串返回给前台代码
 2 protected void Page_Load(object sender, EventArgs e)
 3 { 5 var htmlSource = new JumonyParser().LoadDocument("http://www.cnblogs.com").Find(".post_item a.titlelnk");
 6 int count = 0;
 7 foreach (var htmlElement in htmlSource)
 8 {
 9 count ++;
10 Html += string.Format(" <li>{2}、&nbsp;&nbsp;<a href=\"About.aspx?Url={0}\" target=\"_blank\">{1}</a></li>", htmlElement.Attribute("href").Value(), htmlElement.InnerText(),count);
11 }
12 }

      效果图:

       

   三、下面就是要在点击上图从博客园抓取的文章标题之后,在显示博客全文(并非在打开博客园的文章)

    代码:   

1 string html = Request["Url"];
2 var htmlSource =
3 new JumonyParser().LoadDocument(html);
4 HtmlText = htmlSource.Find(".postTitle2").FirstOrDefault().InnerText();
5
6 Html = htmlSource.Find("#cnblogs_post_body").FirstOrDefault().InnerHtml();效果图:

  到此,网页抓取写完了,没有什么深奥的道理,只是把他的使用方法简单的把代码贴出来了,还没有研究其源码,有时间需要深究一下。

  Jumony更多的使用方式请参见博客  http://www.cnblogs.com/Ivony/p/3447536.html 

  

  本次演示Jumony快速开发的代码如下(在百度云盘,请自行下载:):

     http://pan.baidu.com/s/1COuCI

  谢谢!