asp.net mvc 抓取京东商城分类

555 asp.net mvc 抓取京东商城分类

 

URL:http://www.jd.com/allSort.aspx

效果：

 

//后台代码

public ActionResult GetCategoryFromJd()

        {

            var url = "http://www.jd.com/allSort.aspx";

            var htmlCode = HttpGet(url, "", new System.Net.CookieContainer());

            var firstCats = new List<string>();

            var codeCut = "";

            var endStr = "</h2>";

            var start = -1;

            var end = -1;

            var current = htmlCode.IndexOf("全部商品分类<b></b>");//去除第一个无用的h2标签内容

            start = htmlCode.IndexOf("<h2>", current);

            end = htmlCode.IndexOf("<h2>", start+1);

            while (start >= 0)

            {

                if (end > start)

                {

                    codeCut = htmlCode.Substring(start, end - start);

                    //一级分类

                    var firstCatName = GetChinese(codeCut, "<h2>(.*)</h2>", "[^\u4e00-\u9fa5、]");

                    //二级、三级分类

                    var matches = Regex.Matches(codeCut.Replace("\r\n", ""), "<dl(.*?)</dl>");

                    foreach (Match mc in matches)

                    {

                        //二级分类

                        var secondCatName = GetChinese(mc.Groups[1].Value, "<dt>(.*?)</dt>","[^\u4e00-\u9fa5、]");

 

                        //三级分类

                        var mts = Regex.Matches(mc.Groups[1].Value, "<em>(.*?)</em>");

                        foreach (Match m in mts)

                        {

                            var thirdCatName = GetChinese(m.Groups[1].Value, "<a.*>(.*)</a>");

                        }

                    }

                }

                current = end;

                start = htmlCode.IndexOf("<h2>", current);

                end = htmlCode.IndexOf("<h2>", start+1);

                if (end < 0)

                {

                    end = htmlCode.IndexOf("id=\"service-2013\"", start);

                }

                current = end+endStr.Length;

            }

            return View();

        }

 

//辅助方法

public static string GetChinese(string content,string pattern,string reg="[^\u4e00-\u9fa5、0-9-./A-Za-z&·]")

        {

            var match = Regex.Match(content, pattern);

            if (match.Success)

            {

                var result = Regex.Replace(match.Groups[1].Value, @reg, "");//取汉字或标点“、”、数字和“-”

                return result;

            }

            return null;

        }

 

public static string HttpGet(string Url, string postDataStr, CookieContainer cookie)
        {
            HttpWebRequest request = (HttpWebRequest)WebRequest.Create(Url + (postDataStr == "" ? "" : "?") + postDataStr);
            request.Method = "GET";
            request.ContentType = "text/html;charset=gbk";
            request.CookieContainer = cookie;
            HttpWebResponse response = (HttpWebResponse)request.GetResponse();
            Stream myResponseStream = response.GetResponseStream();
            StreamReader myStreamReader = new StreamReader(myResponseStream, Encoding.GetEncoding("gbk"));
            string retString = myStreamReader.ReadToEnd();
            myStreamReader.Close();
            myResponseStream.Close();

            return retString;
        }