哪位大侠做过网页爬虫呀请进

Question

我现在要做一个网页爬虫,想把一个网址里面的多级网页下的Email取出来,哪里大侠做过呀请指点.而且现在我连怎么样取出里面的email来都不知道,知道的请赐教谢谢了呀！！！

Answer 1

如果不是太多，用WebRequest获取一个网址的代码，在这里用正则查到其他网址，在获取代码，用正则匹配邮箱，呵呵，不过现在很多都是把emai地址用一个图片来显示。

Answer 2

一,讀取首頁,從中間分析出所有<A>的鏈接地址,轉換成絕對網址(防止細微差異導致重新獲取),讀過的地址保存到數據庫,防止多次讀取.
二,分析獲取到的網頁,搜索所有的@,把@左邊到>標記及@右邊到<標記的字元讀出來,過濾空格,mailto:,判斷是否爲EMAIL.如果是保存到數據庫.

Answer 3

href\s*=\s*["|']?(?<attrval>[^"'<>\s]*)获取href值

Answer 4

这个不行,我要取的是后面是http://………………这样的网址