C#收集网页中的EMail实现源码

当当全新正版图书,9周年店庆,特价销售,全场免运费!

 

C#收集网页中的EMail实现源码: 

     //CAll
        private void GetAllURL(string urlStr)
        {
            new Thread(new ParameterizedThreadStart(GetEmailAddress)).Start(urlStr); 
               ...    //处理页面中的Link
              }
        /** <summary>
        /// 提取网页中的Eamil
        /// </summary>
        /// <param name="urlStr">网页地址</param>
        private void GetEmailAddress(object urlStr)
        {
            ArrayList EmailStrs = GetWebInfo((string)urlStr, @"(?<EmailStr>/b[A-Z0-9._%-]+@[A-Z0-9._%-]+/.[A-Z]{2,4}/b)");   //得到Email
            foreach (object tmp in EmailStrs)
            {
                Invoke(new AppendTextDelegate(AppendText), new object[] { tmp + "/r/n" });
            }
        }

        private ArrayList GetWebInfo(string URlStr,string RegExpress)
        {
            //打开指定页
            HttpWebRequest webRequest1 = (HttpWebRequest)WebRequest.Create(new Uri(URlStr));
            webRequest1.Method = "GET";
            HttpWebResponse response = (HttpWebResponse)webRequest1.GetResponse();
            String textData = new StreamReader(response.GetResponseStream(), Encoding.Default).ReadToEnd();


            //用正则表达式,提取指定内容,带一个变量
            Regex r;
            Match m;
            r = new Regex(RegExpress,   //@"copyTitle./'(?<AdInfo>.*)/'",
                RegexOptions.IgnoreCase | RegexOptions.Compiled);
            int pos1=RegExpress.IndexOf("(?<");
            int pos2=RegExpress.IndexOf(">",pos1);
            string DestionKey = RegExpress.Substring(pos1 + 3, pos2 - pos1 - 3);
            string  AdStr = "";
            ArrayList Result = new ArrayList();
            for (m = r.Match(textData); m.Success; m = m.NextMatch())
            {
                AdStr = m.Result("${" + DestionKey + "}").Trim();   //地址
                Result.Add(AdStr);
            }
            return Result;
        }

上述代码中的关键是书写提取EMail的表达式:
               @"(?<EmailStr>/b[A-Z0-9._%-]+@[A-Z0-9._%-]+/.[A-Z]{2,4}/b)"
以下是我写的一个程序界面及运行结果:

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
预览图片见:http://www.cnblogs.com/xxpyeippx/archive/2008/03/31/1131211.html运行环境windows nt/xp/2003 or above.net Framework 1.1SqlServer 2000 开发环境 VS 2003目的学习了网络编程,总要点什么东西才好。于是想到要一个网页内容采集器。作者主页: http://www.fltek.com.cn使用方式测试数据采用自cnBlog。见下图用户首先填“起始网页”,即从哪一页开始采集。然后填数据库连接字符串,这里是定义了采集到的数据插入到哪个数据库,后面选择表名,不必说了。网页编码,不出意外的话,国大陆都可以采用UTF-8爬取文件名的正则:呵呵 这个工具明显是给编程人员用的。正则都要直接填啦。比如说cnblogs的都是数字的,所以了\d建表帮助:用户指定要建立几个varchar型的,几个text型的,主要是放短数据和长数据啊。如果你的表里本来就有列,那就免啦。程序里面没有验证哦。网页设置里面:采集内容前后标记:比如说都有 xxx,如果我要采集xxx就“到”,意思,当然就是到之间的内容啦。后面的几个文本框是显示内容的。点击“获取URL”可以查看它捕获的Url对不对的。点击“采集”,可以把采集内容放到数据库,然后就用 Insert xx () (select xx) 可以直接插入目标数据了。程序代码量非常小(也非常简陋),需要的改动一下啦。不足 应用到了正则表达式网络编程由于是最简单的东西,所以没有用多线程,没有用其他的优化方法,不支持分页。测试了一下,获取38条数据,用了700M内存啊。。。。如果有用的人 ,可以改一下使用啦。方便程序员用,免很多代码。Surance Yin@ Surance Center 转载请注明出处

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值