java 新闻 正则采集源代码_老蜗牛写采集：获取数据（正则篇）

致歉

首先感谢博友对这个系列的支持，很多加群的人都问我啥时候更新，我一直回答尽快，结果一拖就一年了。因为工作和生活占据我大量的时间，所以只能跟大伙说声抱歉。

使用正则获取数据

前两篇讲到如何采集html数据，那采集回来肯定要截取我们有用的部分，举个例子。我们要采集搜狐新闻的社会栏目，地址如下：

http://news.sohu.com/shehuixinwen.shtml

我们首先获取到新闻列表，看上两章介绍到使用xNet获取到搜狐新闻的社会栏目的html源码，当然你可以使用httprequest或者第三方组件。代码如下：

var html = string.Empty;

using (var request = new xNet.HttpRequest())

{

html = request.Get("http://news.sohu.com/shehuixinwen.shtml").ToString();

}

得到html值：

var pvinsight_page_ancestors = '143746642;143746651';

社会新闻-搜狐新闻

.....

if(_wratingId !=null){

document.write('');

document.write('var vjAcc="'+_wratingId+'";');

document.write('var wrUrl="http://sohu.