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
- static void Main(string[] args)
- {
- Stopwatch watch = new Stopwatch();
- watch.Start();
- WebClient wc = new WebClient();
- int count = 0;
- //正则表达式
- string regLinks = "<li><a\\s+href=\"http://mil.news.sina.com.cn/20\\d{2}-\\d{2}-\\d{2}/\\d{10}\\.html\"\\s+target=\"_blank\">(.+?)</a><span\\s+class=\"time\">(.+?)</span></li>";
- //由于耗时太久,在这里我只提取新浪100个页面的新闻标题
- 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}个新闻标题",count);
- Console.WriteLine("共计用时:{0}",watch.Elapsed);
- Console.ReadKey();
- }
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
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
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。