利用HtmlAgilityPack抓取XX网站图片并上载~邪恶版 _HTML/CSS

利用HtmlAgilityPack抓取XX网站图片并下载~~~~~~邪恶版

由于提前到了学校，昨晚逛博客园的时候，意外发现了HtmlAgilityPack这个好东东，是微软的一个类库，用来分析Html页面的结构啊，等等。。。。。不得不说，HtmlAgilityPack很强大，
我用的很爽啊。。。。
抓取博客园的数据啊等等。。。（我搜了一些，发现仅仅是抓取文字的文章，于是一个邪恶的念头出现咋我脑海中，我就好奇的试了试。一番折腾后，结果是可行的啦，发给我以朋友试了试，结果可以，。。。
语无伦次了。。。（别见怪啊啊））

?????????????????????????????????????????? 记住哦！，在E盘下新建一个DownLoadImg文件夹

主要代码如下：

    WebClient wc = new WebClient();
    private static int i = 0;
    protected void Page_Load(object sender, EventArgs e)
    {

    }
    protected void Button1_Click(object sender, EventArgs e)
    {
        HtmlWeb web = new HtmlWeb();

        string imgurl = "";
        //目前一般XX（你懂的...）网站，都是以.../版块/yyyymmdd/一堆数字.html结尾
        //由于XX网站一般分为好几个版块，所以每个.html文件在同一版块下并不是连续的
        //我用了外层两层循环，最外层循环yyyymmdd（日期如2012-02-15）
        //内层是循环每个.html文件,当然你可以自己修改两个循环


        for (int k = 20120215; k <= 20120215; k++)
                                                  
      {
          for (int j = 124289; j <= 124306; j++)
        {
           
       
            string cnblogs = "";//看这里，需要填写某一网站的格式，在源码下载里有
            HtmlDocument doc = web.Load(cnblogs);
            HtmlNode node = doc.GetElementbyId("ks_xp");
            if (node == null)
            {
                continue;

            }
            else
            {

                foreach (HtmlNode child in node.SelectNodes("//img"))
                {
                    if (child.Attributes["src"] == null)
                        continue;

                    imgurl = child.Attributes["src"].Value.ToString();
                    DownLoadImg(imgurl);
                }
            }
         
        }
      }

    }


    public void DownLoadImg(string url)
    {
        i++;
        //string newfilename = DateTime.Now.Year.ToString() + DateTime.Now.Month.ToString() + DateTime.Now.Day.ToString() + DateTime.Now.Hour.ToString() + DateTime.Now.Minute.ToString() + DateTime.Now.Second.ToString() + ".jpg";
        //罪魁祸首啊，假如用上面的名字做为图片的名字，会有如下问题
        //不能把所有图片下载下来，因为时间的粒度是秒，而不是所有的图片都是一秒一张的，所以进程会自动跳过下载。God Bless U--->大蜗牛
        string newfilename = i + ".jpg";
        string filepath = @"E:\DownLoadImg\" + newfilename;//当然你可以写段自动新建该目录的代码，其实也不难吧o(∩_∩)o ，留给读者自由发挥吧
        try
        {
            wc.DownloadFile(url, filepath);

        }
        catch (Exception ex)
        {

        }

    }

最后，该小东东，还有很多可以修改的，那就留给读者您吧（请不要喷我。。）

1 楼 greatwqs 2012-02-18

看了前面的HTTP, 原来楼主也做爬虫~