一、背景

春節也不能閑著，一直想學一下爬蟲怎么玩，網上搜了一大堆，大多都是Python的，大家也比較活躍，文章也比較多，找了一圈，發現園子里面有個大神開發了一個DotNetSpider的開源庫，很值得慶幸的，該庫也支持.Net Core，于是乘著春節的空檔研究一下整個開源項目，順便實戰一下。目前互聯網汽車行業十分火熱，淘車，人人車，易車，汽車之家，所以我選取了汽車之家，芒果汽車這個店鋪，對數據進行抓取。

二、開發環境

VS2017+.Net Core2.x+DotNetSpider+Win10

三、開發

3.1新建.Net Core項目

新建一個.Net Core 控制臺應用

3.2通過Nuget添加DotNetSpider類庫

搜索DotnetSpider，添加這兩個庫就行了

?

?3.3分析需要抓取的網頁地址

打開該網頁https://store.mall.autohome.com.cn/83106681.html，紅框區域就是我們要抓取的信息。

我們通過Chrome的開發工具的Network抓取到這些信息的接口，在里面可以很清楚的知道HTTP請求中所有的數據，包括Header，Post參數等等，其實我們把就是模擬一個HTTP請求，加上對HTML的一個解析就可以將數據解析出來。

參數page就是頁碼，我們只需要修改page的值就可以獲取指定頁碼的數據了。

返回結果就是列表頁的HTML。

?3.4創建存儲實體類AutoHomeShopListEntity

class AutoHomeShopListEntity : SpiderEntity?

? ? ? ? {

? ? ? ? ? ? public string DetailUrl { get; set; }

? ? ? ? ? ? public string CarImg { get; set; }

? ? ? ? ? ? public string Price { get; set; }

? ? ? ? ? ? public string DelPrice { get; set; }

? ? ? ? ? ? public string Title { get; set; }

? ? ? ? ? ? public string Tip { get; set; }

? ? ? ? ? ? public string BuyNum { get; set; }

? ? ? ? ? ? public override string ToString()

? ? ? ? ? ? {

? ? ? ? ? ? ? ? return $"{Title}|{Price}|{DelPrice}|{BuyNum}";

? ? ? ? ? ? }

? ? ? ? }

3.5創建AutoHomeProcessor

用于對于獲取到的HTML進行解析并且保存

private class AutoHomeProcessor : BasePageProcessor

? ? ? ? {

? ? ? ? ? ? protected override void Handle(Page page)

? ? ? ? ? ? {

? ? ? ? ? ? ? ? List<AutoHomeShopListEntity> list = new List<AutoHomeShopListEntity>();

? ? ? ? ? ? ? ? var modelHtmlList = page.Selectable.XPath(".//div[@class='list']/ul[@class='fn-clear']/li[@class='carbox']").Nodes();

? ? ? ? ? ? ? ? foreach (var modelHtml in modelHtmlList)

? ? ? ? ? ? ? ? {

? ? ? ? ? ? ? ? ? ? AutoHomeShopListEntity entity = new AutoHomeShopListEntity();

? ? ? ? ? ? ? ? ? ? entity.DetailUrl = modelHtml.XPath(".//a/@href").GetValue();

? ? ? ? ? ? ? ? ? ? entity.CarImg = modelHtml.XPath(".//a/div[@class='carbox-carimg']/img/@src").GetValue();

? ? ? ? ? ? ? ? ? ? var price = modelHtml.XPath(".//a/div[@class='carbox-info']").GetValue(DotnetSpider.Core.Selector.ValueOption.InnerText).Trim().Replace(" ", string.Empty).Replace("\n", string.Empty).Replace("\t", string.Empty).TrimStart('￥').Split("￥");

? ? ? ? ? ? ? ? ? ? if (price.Length > 1)

? ? ? ? ? ? ? ? ? ? {

? ? ? ? ? ? ? ? ? ? ? ? entity.Price = price[0];

? ? ? ? ? ? ? ? ? ? ? ? entity.DelPrice = price[1];

? ? ? ? ? ? ? ? ? ? }

? ? ? ? ? ? ? ? ? ? else

? ? ? ? ? ? ? ? ? ? {

? ? ? ? ? ? ? ? ? ? ? ? entity.Price = price[0];

? ? ? ? ? ? ? ? ? ? ? ? entity.DelPrice = price[0];

? ? ? ? ? ? ? ? ? ? }

? ? ? ? ? ? ? ? ? ? entity.Title = modelHtml.XPath(".//a/div[@class='carbox-title']").GetValue();

? ? ? ? ? ? ? ? ? ? entity.Tip = modelHtml.XPath(".//a/div[@class='carbox-tip']").GetValue();

? ? ? ? ? ? ? ? ? ? entity.BuyNum = modelHtml.XPath(".//a/div[@class='carbox-number']/span").GetValue();

? ? ? ? ? ? ? ? ? ? list.Add(entity);

? ? ? ? ? ? ? ? }

? ? ? ? ? ? ? ? page.AddResultItem("CarList", list);

? ? ? ? ? ? }

? ? ? ? }

3.6創建AutoHomePipe

用于輸出抓取到的結果。

private class AutoHomePipe : BasePipeline

? ? ? ? {

? ? ? ? ? ? public override void Process(IEnumerable<ResultItems> resultItems, ISpider spider)

? ? ? ? ? ? {

? ? ? ? ? ? ? ? foreach (var resultItem in resultItems)

? ? ? ? ? ? ? ? {

? ? ? ? ? ? ? ? ? ? Console.WriteLine((resultItem.Results["CarList"] as List<AutoHomeShopListEntity>).Count);

? ? ? ? ? ? ? ? ? ? foreach (var item in (resultItem.Results["CarList"] as List<AutoHomeShopListEntity>))

? ? ? ? ? ? ? ? ? ? {

? ? ? ? ? ? ? ? ? ? ? ? Console.WriteLine(item);

? ? ? ? ? ? ? ? ? ? }

? ? ? ? ? ? ? ? }

? ? ? ? ? ? }

? ? ? ? }

3.7創建Site

主要就是將HTTP的Header部信息放進去

var site = new Site

? ? ? ? ? ? {

? ? ? ? ? ? ? ? CycleRetryTimes = 1,

? ? ? ? ? ? ? ? SleepTime = 200,

? ? ? ? ? ? ? ? Headers = new Dictionary<string, string>()

? ? ? ? ? ? ? ? {

? ? ? ? ? ? ? ? ? ? { "Accept","text/html, */*; q=0.01" },

? ? ? ? ? ? ? ? ? ? { "Referer", "https://store.mall.autohome.com.cn/83106681.html"},

? ? ? ? ? ? ? ? ? ? { "Cache-Control","no-cache" },

? ? ? ? ? ? ? ? ? ? { "Connection","keep-alive" },

? ? ? ? ? ? ? ? ? ? { "Content-Type","application/x-www-form-urlencoded; charset=UTF-8" },

? ? ? ? ? ? ? ? ? ? { "User-Agent","Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.167 Safari/537.36"}

? ? ? ? ? ? ? ? ? ??

? ? ? ? ? ? ? ? }

? ? ? ? ? ? };

3.8構造Request

因為我們所抓取到的接口必須用POST，如果是GET請求則這一部可以省略，參數就放在PostBody就行。

List<Request> resList = new List<Request>();

? ? ? ? ? ? for (int i = 1; i <= 33; i++)

? ? ? ? ? ? {

? ? ? ? ? ? ? ? Request res = new Request();

? ? ? ? ? ? ? ? res.PostBody = $"id=7&j=%7B%22createMan%22%3A%2218273159100%22%2C%22createTime%22%3A1518433690000%2C%22row%22%3A5%2C%22siteUserActivityListId%22%3A8553%2C%22siteUserPageRowModuleId%22%3A84959%2C%22topids%22%3A%22%22%2C%22wherePhase%22%3A%221%22%2C%22wherePreferential%22%3A%220%22%2C%22whereUsertype%22%3A%220%22%7D&page={i}&shopid=83106681";

? ? ? ? ? ? ? ? res.Url = "https://store.mall.autohome.com.cn/shop/ajaxsitemodlecontext.jtml";

? ? ? ? ? ? ? ? res.Method = System.Net.Http.HttpMethod.Post;

? ? ? ? ? ? ? ? resList.Add(res);

? ? ? ? ? ? }

3.9構造爬蟲并且執行

var spider = Spider.Create(site, new QueueDuplicateRemovedScheduler(), new AutoHomeProcessor()).AddStartRequests(resList.ToArray()).AddPipeline(new AutoHomePipe());spider.ThreadNum = 1;spider.Run();

3.10執行結果

四、下次預告

接下來我會將對商品的詳情頁數據（包括車型參數配置之類的）進行抓取，接口已經抓取到了，還在思考如果更加便捷獲取到商品id，因為目前來看商品id是存儲在頁面的js全局變量中，抓取起來比較費勁。

?

五、總結

.Net 相對于別的語言感覺并不是那么活躍，DotnetSpider雖然時間不長，但是希望園子里面大伙都用起來，讓他不斷的發展，讓我們的.Net能夠更好的發展。

原文地址:?https://www.cnblogs.com/FunnyBoy/p/8453338.html

---

.NET社區新聞，深度好文，歡迎訪問公眾號文章匯總 http://www.csharpkit.com

總結

以上是生活随笔為你收集整理的汽车之家店铺数据抓取 DotnetSpider实战[一]的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。