通过线程，HttpWebResponse，正则获取句子迷中的句子

之前一直在关注句子迷这个网站，在里面可以找到自己喜欢的名人的金典语录。

每一次都去打开，再去翻页查看太烦，有没有什么方法可以把网站中的句子直接抓出来，保存到本地txt文件中？
然后在网上查看了一些资料，自己动手写了一个控制台应用程序。

注：代码存在点问题，多次发起请求，线程会被占用，目前没有解决；求救中

具体实现方式：

步骤1：通过HttpWebResponse发送一个请求，将整个HTML页面请求过来，将全部数据读入StreamReader中，下图html代码

步骤2：将读入流中的数据进行处理，只取包含句子的文本，这里面需要查询页面的中html。

在取文本的过程中，使用正则表达式，取出想要的数据

///正则表达式
 Regex regText = new Regex(@"<div\s+class\=\""views-field-phpcode-1\"">([\S\s]*?)</div>", RegexOptions.IgnoreCase);

步骤3：对上面的标签，在进一步进行提取

   Regex objRegExp = new Regex("<(.|\n)+?>");

具体代码如下：

    class Program
    {
        static ReaderWriterLock writeLock = new ReaderWriterLock();
        const int LOCK = 1000; //申请读写时间
        const int SLEEP = 100; //线程挂起时间
        static void Main(string[] args)
        {
             Console.WriteLine("-------------------句子迷文档下载----------");
            Console.WriteLine("操作API：");
            Console.WriteLine("注释1：查询的的作者名,以逗号（英文）隔开，例子如下：");
            Console.WriteLine("       鲁迅,胡适,顾城");

            Console.WriteLine("注释2：保存的盘符，例子如下：");
            Console.WriteLine(" X:\\\\句子迷 ");
            Console.WriteLine("-------------------文档结束----------");
            Console.WriteLine("请输入需要保存的盘:");
            directoryName1 = Console.ReadLine();

            Console.WriteLine("请输入作者姓名:");
            string writers = Console.ReadLine();
            string[] strWriter = writers.Split(',');
            //string[] strWriter = { "鲁迅", "胡适", "belle", "stars" };
            for (int i = 0; i < strWriter.Length; i++)
            {
                Thread thread = new Thread(DownLoad1);
                thread.Name = strWriter[i];
                thread.Start();
            }

            Console.ReadKey();


        }

        #region 通过网页获取句子迷中的名言名句
        /// <summary>
        /// 通过网页获取句子迷中的名言名句
        /// </summary>
        /// <param name="category"></param>
        public static void DownLoad1()
        {
            string url = string.Empty;
            bool flag = true;//遇到取文件异常就直接跳出

            for (int pageSize = 0; pageSize < 10; pageSize++)
            {
                try
                {
                    string writerName = Thread.CurrentThread.Name; ;
                    //查询作者列子
                    //if (pageSize == 0)
                    //    url = "http://www.juzimi.com/writer/徐志摩";
                    //else
                    //    url = "http://www.juzimi.com/writer/徐志摩?page=" + pageSize;

                    //第一版查询功能
                    //if (pageSize == 0)
                    //    url = "http://www.juzimi.com/writer/"+writerName;
                    //else
                    //    url = "http://www.juzimi.com/writer/" + writerName + "?page=" + pageSize;
                    if (pageSize == 0)
                        url = "http://www.juzimi.com/search/node/" + writerName + "%20type:sentence";
                    else
                        url = "http://www.juzimi.com/search/node/" + writerName + "%20type%3Asentence?page=" + pageSize;
                    //创建http链接
                    var request = (HttpWebRequest)WebRequest.Create(url);
                    //request.Timeout = 1000 * 10;    //5s过期
                    var response = (HttpWebResponse)request.GetResponse();
                    Stream stream = response.GetResponseStream();
                    StreamReader sr = new StreamReader(stream);
                    string content = sr.ReadToEnd();
                    var list = GetHtmlTextList(content);
                    if (list.Count == 0)
                    {
                        Console.WriteLine("时间：" + DateTime.Now + " 当前网址：" + url + "：未找到相关信息；" + "当前线程：" + Thread.CurrentThread.ManagedThreadId);
                        flag = false;
                        break;
                    }
                    try
                    {
                        //文件保存文件夹
                        string directoryName =  string.IsNullOrEmpty(directoryName1) ? "X:\\句子迷" : directoryName1;
                        //文件名
                        string fileName = writerName;
                        Write(directoryName, fileName, list);
                        Console.WriteLine("时间：" + DateTime.Now + " 当前网址：" + url + "句子信息下载完成！" + "当前线程：" + Thread.CurrentThread.ManagedThreadId);
                    }
                    catch (Exception e)
                    {
                        Console.WriteLine("时间：" + DateTime.Now + " 当前网址：" + url + " 错误信息：" + e.Message + "当前线程：" + Thread.CurrentThread.ManagedThreadId);
                        continue;
                    }
                }
                catch (Exception ex)
                {
                    if (ex.ToString().Contains("404"))
                    {
                        Console.WriteLine("时间：" + DateTime.Now + " 当前网址：" + url + " 错误信息：" + ex.Message + "当前线程：" + Thread.CurrentThread.ManagedThreadId);
                        flag = false;
                        break;
                    }
                    else
                    {
                        Console.WriteLine("时间：" + DateTime.Now + " 当前网址：" + url + " 错误信息：" + ex.Message + "当前线程：" + Thread.CurrentThread.ManagedThreadId);
                    }
                }

                if (!flag)
                {
                    break;
                }

            }
        }

        /// <summary>
        /// 保存句子迷中的句子
        /// </summary>
        /// <param name="path">保存路劲地址</param>
        ///  /// <param name="path">句子迷中的句子</param>
        public static void Write(string path, string fileName, List<string> strBook)
        {

            writeLock.AcquireWriterLock(LOCK);
            FileStream fs = null;
            //判断文件夹是否存在
            if (!Directory.Exists(path))
                Directory.CreateDirectory(path);
            //判断集体文件保存路径是否存在
            string filePalce = path + "\\" + fileName + ".txt";
            if (!File.Exists(filePalce))
            {
                File.Create(filePalce);
                fs = new FileStream(filePalce, FileMode.Create);
            }
            else
            {
                fs = new FileStream(filePalce, FileMode.Append);
            }

            StreamWriter sw = new StreamWriter(fs);
            foreach (var item in strBook)
            {
                //开始写入
                sw.Write(item + "\r\n\r\n");
            }
            Thread.Sleep(SLEEP);
            //清空缓冲区
            sw.Flush();
            //关闭流
            sw.Close();
            fs.Close();
            writeLock.ReleaseWriterLock();

        }


        /// <summary> 
        /// 取得HTML中所有图片的 URL。 
        /// </summary> 
        /// <param name="sHtmlText">HTML代码</param> 
        /// <returns>图片的URL列表</returns> 
        public static List<string> GetHtmlTextList(string sHtmlText)
        {
            // 定义正则表达式用来匹配 text 标签 
            Regex regText = new Regex(@"<div\s+class\=\""views-field-phpcode-1\"">([\S\s]*?)</div>", RegexOptions.IgnoreCase);

            // 搜索匹配的字符串 
            MatchCollection matches = regText.Matches(sHtmlText);

            List<string> sUrlList = new List<string>();

            // 取得匹配项列表 
            foreach (Match match in matches)
            {
                sUrlList.Add(replceHtml(match.Value));
            }
            return sUrlList;
        }

        /// <summary>
        /// 将取出来的含有html的标签替换掉，只留下里面的值
        /// </summary>
        /// <param name="strHtml"></param>
        /// <returns></returns>
        public static string replceHtml(string strHtml)
        {
            Regex objRegExp = new Regex("<(.|\n)+?>");
            return objRegExp.Replace(strHtml, "");
        }
        #endregion

运行结果：

本地保存路径，及打开文件效果：