database2sharp mysql_C# NetCore使用AngleSharp爬取周公解梦数据 MySql数据库的自动创建和页面数据抓取...

这一章详细讲解编码过程

那么接下来就是码代码了，GO

新建NetCore WebApi项目 空的就可以

NuGet安装

Install-Package AngleSharp

或者界面安装

using。。

默认本地装有mysql或者有远程开放的mysql数据库，如何安装mysql，园区有很多文章都详细说明。

配置文件添加mysql连接 appsettings.json

{"Logging": {"LogLevel": {"Default": "Warning"}

},"AllowedHosts": "*","ConnectionStrings": {"MySql": "server=localhost;user id=root;pwd=root;database=dreaminfo;"}

}

新建实体类，这里由于比较简单，所以创建到一起，实际工作中最好不要这样，可读性较差

usingSystem;usingSystem.Collections.Generic;usingSystem.ComponentModel.DataAnnotations;usingSystem.ComponentModel.DataAnnotations.Schema;usingSystem.Linq;usingSystem.Threading.Tasks;namespaceWebAPI.Models

{public classDream

{

[Key, DatabaseGenerated(DatabaseGeneratedOption.Identity)]public int Id { get; set; }public string Name { get; set; }public string Url { get; set; }public string Summary { get; set; }public string CateName { get; set; }public DateTime? CreateTime { get; set; }

}public classDreamInfo

{

[Key, DatabaseGenerated(DatabaseGeneratedOption.Identity)]public int Id { get; set; }public int FkDreamId { get; set; }public string DreamName { get; set; }public string Name { get; set; }public string Content { get; set; }public DateTime? CreateTime { get; set; }

}

}

安装，mysql的ef支持

Install-Package Pomelo.EntityFrameworkCore.MySql

创建DBContext

usingMicrosoft.EntityFrameworkCore;usingSystem;usingSystem.Collections.Generic;usingSystem.Linq;usingSystem.Threading.Tasks;namespaceWebAPI.Models

{public classMainDBContext : DbContext

{public MainDBContext(DbContextOptions options) : base(options)

{

}private stringconnection;public MainDBContext(string connection) => this.connection =connection;protected override voidOnConfiguring(DbContextOptionsBuilder optionsBuilder)

{if (!string.IsNullOrWhiteSpace(connection))

optionsBuilder.UseMySql(connection);

}public DbSet Dream { get; set; }public DbSet DreamInfo { get; set; }

}

}

配置服务

public voidConfigureServices(IServiceCollection services)

{var mysqlCon = Configuration.GetSection("ConnectionStrings:MySql").Value;

services.AddDbContext(l => l.UseMySql(mysqlCon, b => b.MigrationsAssembly("Dream"))); //跳转查看

services.AddMvc().SetCompatibilityVersion(CompatibilityVersion.Version_2_1);

}

然后是数据库迁移 ，这里使用的是codefirst，所以创建好实体类之后在实体类及EF存在的程序集执行Add-Migration命令，我这里做的比较简单，有的如果是按照框架来设计，可能实体类被设计在单独的类库里

这里是直接在webapi里面

执行之后会多出来迁移的的文件，然后执行Update-Database就可以生成数据库拉。

后期如果数据库有变更还是同样的操作

工具》打开Nuget包管理器》程序包管理控制台 选中EF所在类库

Add-Migration Update-20181123

//然后等待变更文件生成之后执行

Update-Database

然后我们看下数据库

我们刷新下，数据库和对应的表都有了。

获取页面内容

新建一个空的API控制器DreamController

然后创建获取类别数据的方法

///

///定义一个获取列表数据的方法,需要传递一个列表页面的url地址///

///

public void GetData(stringurl)

{//这个跟我之前使用的浏览器驱动类似,也是通过选择器和xpath来爬取数据//区别在于那个是模拟真人操作,这个是通过通过HttpWebRequest直接请求

var html =GetHtml(url);//创建一个(可重用)解析器前端

var parser = newHtmlParser();var document =parser.Parse(html);//找到一个页面有多少个dream信息

var mengList = document.QuerySelectorAll("#list > div.main > div.l-item > ul > li");//循环获取梦的信息

for (var i = 0; i < mengList.Length; i++)

{var meng = newDream();

meng.CateName= "人物";//名称

meng.Name = mengList[i].QuerySelector("h3 > a").TextContent;//简介

meng.Summary = mengList[i].QuerySelector("p").TextContent;//连接

meng.Url = mengList[i].QuerySelector("h3 > a").GetAttribute("href");

meng.CreateTime=DateTime.Now;

_context.Dream.Add(meng);

_context.SaveChanges();//可以单个保存,也可以获取当前页数据之后保存一次,可优化的点有很多,这里不再详细描述

}

}

但是这里获取的都是单页的数据，我们继续上一章说的，使用选择器里面的.next来寻找翻页按钮附带的连接

然后看看最后一页是什么样式

发现最后一页就没有下一页样式了，就获取不到值了，好的 那么我们开始翻页

至于翻页 还有第二种思路，就是直接获取这种类别下的最后一页的页码，然后循环就行了，似乎比较简单，我们就用这一种

完善后的方法

///

///定义一个获取列表数据的方法,需要传递一个列表页面的url地址///

///

public void GetData(string url, intpageIndex)

{var thisUrl = url + pageIndex + ".html";var html =GetHtml(thisUrl);//创建一个(可重用)解析器前端

var parser = newHtmlParser();var document =parser.Parse(html);var mengList = document.QuerySelectorAll("#list > div.main > div.l-item > ul > li");//#list > div.main > div.pagelist > a.end//获取最末页数据

if (!PageEnd.HasValue)

{var pageEnd = document.QuerySelector("#list > div.main > div.pagelist > a.end")?.TextContent;

PageEnd=Convert.ToInt32(pageEnd);

}var list = new List();for (var i = 0; i < mengList.Length; i++)

{var meng = newDream();

meng.CateName= "其他";//名称

meng.Name = mengList[i].QuerySelector("h3 > a").TextContent;//简介

meng.Summary = mengList[i].QuerySelector("p").TextContent;//连接

meng.Url = mengList[i].QuerySelector("h3 > a").GetAttribute("href");

meng.CreateTime=DateTime.Now;

_context.Dream.Add(meng);

_context.SaveChanges();

}//翻页记录页码

pageIndex++;if (pageIndex <=Convert.ToInt32(PageEnd))

{

Console.WriteLine(pageIndex+ "/" +PageEnd);//翻页完之前一直抓取

GetData(url, pageIndex);

}

}

定义接口，输出一下看看获取了多少页的数据

PageEnd是在控制器里面定义的

public classDreamController : ControllerBase

{static int? PageEnd = null;//other code

[HttpGet]public async TaskGetMengXinfo()

{

GetData("http://www.xzw.com/jiemeng/lib/renwu/", 1);returnOk(PageEnd);

}

调试走一波

可以看到这里数据其实已经拿到了，那我们就开始往数据库保存

由于是演示，我们找一个数据量较少的分类来获取 使用“其他”分类获取，调用接口，看到返回值是45

这个跟我们找到对应的数据是一样的

说明数据是ok的，我们看下数据库，dream表已经有数据了

到这里 分类数据就获取到了，其他几个分类 可以使用一个数组，循环数组拼连接获取，也可以放到后台任务慢慢执行，比如Hangfire

详细信息获取

详细信息的页面我们其实是有的，就是dream表里面的url字段，拼接上domain之后就成了详细页面的连接，我们又可以使用AngleSharp来获取数据拉。。

其实AngleSharp是对获取到的文档进行解析，里面构建了很多C#和js习惯的语法，比如

document.QuerySelector(选择器)//选择器查询单个符合条件的数据

document.QuerySelectorAll("#list > div.main > div.l-item > ul > li");获取复合条件的元素集合

获取详情页面内容，并给实体对象赋值，这里有很多可以试探的方法，大家可以尝试一下，我这个只是简单的为了完成我想要的功能。

///

///获取详情页的页面解析///

///

///

public void GetDetailData(int dreamId, stringurl)

{var html =GetHtml(url);var parser = newHtmlParser();var document =parser.Parse(html);//#wraper > div.main-wrap > div.pleft.fl > div.viewbox.box > div.sbody

var sbody = document.QuerySelector("#wraper > div.main-wrap > div.pleft.fl > div.viewbox.box > div.sbody");var dllist = sbody.QuerySelectorAll("dl");var title = sbody.QuerySelector("h2").TextContent;//标题

if (dllist.Length > 0)

{foreach (var detail indllist)

{//#wraper > div.main-wrap > div.pleft.fl > div.viewbox.box > div.sbody > dl:nth-child(4) > dt > strong

var info = newDreamInfo();

info.FkDreamId=dreamId;

info.DreamName=title;

info.Name= detail.QuerySelector("dt > strong").TextContent;

info.Content= detail.QuerySelector("dd").TextContent; ;

info.CreateTime=DateTime.Now;

_context.DreamInfo.Add(info);

_context.SaveChanges();

}

}

}

定义接口

[Route("detail")]

[HttpGet]public async TaskGetDreamInfo()

{var domain = "http://www.xzw.com";//查询出其他分类的梦数据来解析详细内容

var dreamList = _context.Dream.Where(l => l.CateName == "其他").ToList();foreach (var dream indreamList)

{

GetDetailData(dream.Id, domain+dream.Url);

}returnOk(PageEnd);

}

执行接口https://localhost:44329/api/dream/detail

这里不展示调试信息了，怕被说水内容

然后看数据库dreaminfo也有了数据

找到对应页面

到这里，数据基本都可以获取到了，其他分类可以做计划任务来获取数据

总结

对自己感兴趣的东西，可能下决心投入的时间会更长一点，共勉。

排版较乱可能影响阅读，不过内容还是能看到的。。

GitHub：https://github.com/ermpark/dream.git