关于数据采集方面的问题，欢迎指教

Question

我正在做一个网站数据的采集工具，是C#写的WINFORM应用程序。初步设计的采集步骤是：1。人工分析对象网站的文章列表页的代码，找到列表的标题和文章连接的规律。2。设定一个匹配规则比如http://www.rayli.com.cn/region/00161.html右侧的列表页。代码如下：<img src="/images/fshpd/fs_2_but01.gif" width="15" height="17" align="absmiddle"> 
            <a href="http://www.rayli.com.cn/2005-02-18/00161116747.html" target="_blank" class="A1">犹入仙境 珠宝魅力</a> 2005-02-18 10:53<br>
            
            <img src="/images/fshpd/fs_2_but01.gif" width="15" height="17" align="absmiddle"> 
            <a href="http://www.rayli.com.cn/2005-02-18/00161116740.html" target="_blank" class="A1">东瀛街头炽手搭配</a> 2005-02-18 10:40<br>
            
            <img src="/images/fshpd/fs_2_but01.gif" width="15" height="17" align="absmiddle"> 
            <a href="http://www.rayli.com.cn/2005-02-18/00161116731.html" target="_blank" class="A1">怡人春装 靓足七日</a> 2005-02-18 09:15<br>所以规律就是<img src="/images/fshpd/fs_2_but01.gif" width="15" height="17" align="absmiddle"> 
            <a href="[文章连接]" target="_blank" class="A1">[文章标题]</a> [变数]<br>但是现在有个问题。我的目的是采集上面的文章连接，文章标题。我也已经把目标网站的代码读取到本地的string变量里面。我应该怎样操作这个字符串才能获得这些数据呢？匹配字符串的时候不能使用通配符，那么[变数]如何写规则？好象都很复杂，我想了好几天了。希望有人能给点提示。谢谢

Answer 1

http://dotnet.aspx.cc/ShowDetail.aspx?id=C2BCFA0A-D4E5-4791-87F3-C0B2AA2B7B5B
修改成winform即可

Answer 2

string result;
result = getPage(txtURL.Text.Trim());
string TitleLeft,TitleRight;
TitleLeft = txtLeft.Text.ToString();
TitleRight = txtRight.Text.ToString();
int CountLeft = result.IndexOf(TitleLeft) + TitleLeft.Length;
int CountRight = result.IndexOf(TitleRight);
txtHTML.Text = result.Substring(CountLeft,CountRight - CountLeft);
我是这么取的，但是取的总是不符合要求
getPage方法就是取目标页面的原代码的

Answer 3

回复人： LoveCherry(最讨厌你们这些要代码的了,一点技术含量都灭有) ( ) 信誉：100  2005-02-23 13:48:00  得分: 0  
 
 
   http://dotnet.aspx.cc/ShowDetail.aspx?id=C2BCFA0A-D4E5-4791-87F3-C0B2AA2B7B5B
修改成winform即可
  
 
这种方法我要是换网站就要重写正则表达式，但是程序的用语不会正则表达式的
而且可以提取标题吗？那个只能取连接吧？
VB我不擅长的

Answer 4

我觉得这个应该发到C#去啊，那是WINFORM，这是WEBFORM

Answer 5

我做了一个WEBFORM的，实现功能应该和你要求的差不多。给我消息我发你一份

Answer 6

UP+学习+接分UP+学习+接分UP+学习+接分

Answer 7

seaonce(一块烂菜) 给你发消息了
期待中

Answer 8

看了seaonce(一块烂菜)的代码
思路差不多，但是实现不一样，现在就想讨论一下
一个规则中多个变量和网页代码匹配的问题
具体还是看我的问题中的内容
谢谢

Answer 9

应该是从html代码中找到相应的部分，把值读出来再操作。看看这篇吧：http://www.cnandusa.com/HArticle2420.aspx

Answer 10

如果是网页的架构保持不变的话，而仅仅是比如:<a href="..." ....>中连接地址变化的话， cdo(.NET虚心求教) 得倒是可以（虽然比较麻烦），如果网页的html完全是随意的，单纯用正则也不行.
gz!!

Answer 11

hiaming(阿明)
想问一下你的程序是不是每换个网站就要写一次正则表达式？

Answer 12

我的朋友有个程序可以自动抓网页.
自己去下载:
http://www.dedecms.com

Answer 13

其实程序已经作好了，就是想完善一下
现在稳定运行在http://news.5617.com/nc