本文連接:http://www.cnblogs.com/grom/p/8931650.html?

受業(yè)務(wù)影響，決定將Downloader單獨分層，做出修改。

最近在做爬蟲，之前一直在使用?HttpWebRequest 和?WebClient ,很方便快捷，也很適合新手，但隨著抓取任務(wù)的增多，多任務(wù)，多庫等情況的出現(xiàn)，使用一個優(yōu)秀的爬蟲框架是十分必要的。于是開始接觸dotnetspider。

　　

借鑒一下框架的設(shè)計圖，在引入dotnetspider的NuGet包后，我基本也是按照這個進(jìn)行了分層

　　

Data.Spider - 存放前臺頁面(Winform、控制臺)和實體爬蟲(EntitySpider)等，相當(dāng)于發(fā)起請求的起點。

Spider.Downloader - 封裝請求等信息，可實現(xiàn)自定義cookie等，非必須。

Spider.Processor - 處理器，繼承 IPageProcessor 實現(xiàn)對抓取內(nèi)容的處理

Spider.Pipe - 管道，我將它理解為經(jīng)過了 Processor 處理后的一個回調(diào)，將處理好的數(shù)據(jù)存儲(文件、數(shù)據(jù)庫等)

Spider.Entity - 數(shù)據(jù)實體類，繼承 SpiderEntity

Spider.Command - 一些常用的公用命令，我這目前存放著轉(zhuǎn)數(shù)據(jù)格式類，后臺執(zhí)行JS類，SqlHelper(因架構(gòu)自帶數(shù)據(jù)庫管道，暫時沒用)等

這樣的分層也是參考了源碼的示例

　　

隨著這幾天的嘗試，真的發(fā)現(xiàn)這個框架真的非常靈活，以凹凸租車的爬蟲為例，上代碼

　　實體類：

[EntityTable("CarWinsSpider", "AtzucheCar", EntityTable.Today)]
[EntitySelector(Expression = "$.data.content[*]", Type = SelectorType.JsonPath)]

public class AtzucheModel : SpiderEntity

{

/// <summary>
/// 車輛編號
/// </summary>
[PropertyDefine(Expression = "$.carNo", Type = SelectorType.JsonPath)]
public int carNo { get; set; }
/// <summary>
/// 品牌
/// </summary>
//[ReplaceFormatter(NewValue = "", OldValue = "\r")]
//[ReplaceFormatter(NewValue = "", OldValue = "\t")]
//[ReplaceFormatter(NewValue = "", OldValue = "&nbsp;")]
//[ReplaceFormatter(NewValue = "", OldValue = "\n")]
//[ReplaceFormatter(NewValue = "", OldValue = "\"")]
//[ReplaceFormatter(NewValue = "", OldValue = " ")]
[PropertyDefine(Expression = "$.brand", Type = SelectorType.JsonPath)]
public string brand { get; set; }
/// <summary>
/// 地址
/// </summary>
[PropertyDefine(Expression = "$.carAddr", Type = SelectorType.JsonPath)]
public string carAddr { get; set; }
/// <summary>
/// 車系
/// </summary>
[PropertyDefine(Expression = "$.type", Type = SelectorType.JsonPath)]
public string type { get; set; }
/// <summary>
/// 排量
/// </summary>
[PropertyDefine(Expression = "$.sweptVolum", Type = SelectorType.JsonPath)]
public string sweptVolum { get; set; }
/// <summary>
/// 圖片
/// </summary>
[PropertyDefine(Expression = "$.coverPic", Type = SelectorType.JsonPath)]
public string coverPic { get; set; }
/// <summary>
/// 日租金
/// </summary>
[PropertyDefine(Expression = "$.dayPrice", Type = SelectorType.JsonPath)]
public int dayPrice { get; set; }
/// <summary>
/// 公里數(shù)
/// </summary>
[PropertyDefine(Expression = "$.distance", Type = SelectorType.JsonPath)]
public string distance { get; set; }
/// <summary>
/// 評分
/// </summary>
[PropertyDefine(Expression = "$.evalScore", Type = SelectorType.JsonPath)]
public string evalScore { get; set; }
[PropertyDefine(Expression = "$.gbType", Type = SelectorType.JsonPath)]
public string gbType { get; set; }
/// <summary>
/// 車牌
/// </summary>
[PropertyDefine(Expression = "$.plateNum", Type = SelectorType.JsonPath)]
public string plateNum { get; set; }
[PropertyDefine(Expression = "$.replyTag", Type = SelectorType.JsonPath)]
public string replyTag { get; set; }
[PropertyDefine(Expression = "$.transCount", Type = SelectorType.JsonPath)]
public string transCount { get; set; }
/// <summary>
/// 年款
/// </summary>
[PropertyDefine(Expression = "$.year", Type = SelectorType.JsonPath)]
public int year { get; set; }
[PropertyDefine(Expression = "$.isPrivilege", Type = SelectorType.JsonPath)]
public int isPrivilege { get; set; }
[PropertyDefine(Expression = "$.isRecommend", Type = SelectorType.JsonPath)]
public int isRecommend { get; set; }
[PropertyDefine(Expression = "$.isUpgrade", Type = SelectorType.JsonPath)]
public int isUpgrade { get; set; }
[PropertyDefine(Expression = "$.lat", Type = SelectorType.JsonPath)]
public string lat { get; set; }
[PropertyDefine(Expression = "$.lon", Type = SelectorType.JsonPath)]
public string lon { get; set; }
[PropertyDefine(Expression = "$.queryId", Type = SelectorType.JsonPath)]
public string queryId { get; set; }
[PropertyDefine(Expression = "$.supplyCarService", Type = SelectorType.JsonPath)]
public int supplyCarService { get; set; }
[PropertyDefine(Expression = "$.freeCarService", Type = SelectorType.JsonPath)]
public int freeCarService { get; set; }
[PropertyDefine(Expression = "$.isShenMaCar", Type = SelectorType.JsonPath)]
public int isShenMaCar { get; set; }
[PropertyDefine(Expression = "$.supportGetReturn", Type = SelectorType.JsonPath)]
public int supportGetReturn { get; set; }
[PropertyDefine(Expression = "$.confirmation", Type = SelectorType.JsonPath)]
public int confirmation { get; set; }

}

起始：

　　/// <summary>
　　/// 應(yīng)用程序的主入口點。
　　/// </summary>
　　[STAThread]

static void Main()

{

var site = new Site
{
　　CycleRetryTimes = 1,
　　SleepTime = 200,
　　Headers = new Dictionary<string, string>()
　　{
　　　　{"Accept","application/json, text/javascript, */*; q=0.01" },
　　　　{"Accept-Encoding","gzip, deflate" },
　　　　{"gzip, deflate","zh-CN,zh;q=0.9" },
　　　　{"X-Requested-With","XMLHttpRequest" },
　　　　{ "Referer", "http://www.atzuche.com/hz/car/search"},
　　　　{ "Connection","keep-alive" },
　　　　{ "Content-Type","application/json;charset=UTF-8" },
　　　　{ "Host","www.atzuche.com"},
　　　　{ "User-Agent","Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36"}
　　}
};
List<Request> resList = new List<Request>();

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";//據(jù)說是post請求需要
res.Url = "http://www.atzuche.com/car/searchListMap/2?cityCode=330100&sceneCode=U002&filterCondition%5Blon%5D=120.219294&filterCondition%5Blat%5D=30.259258&filterCondition%5Bseq%5D=4&pageNum=1&pageSize=0";
res.Method = System.Net.Http.HttpMethod.Get;

resList.Add(res);

var spider = DotnetSpider.Core.Spider.Create(site, new QueueDuplicateRemovedScheduler(), new AtzucheProcessor())
.AddStartRequests(resList.ToArray())//頁面抓取整理
.AddPipeline(new AtzuchePipe());//數(shù)據(jù)回調(diào)

//----------------------------------
spider.Monitor = new DotnetSpider.Core.Monitor.NLogMonitor();
spider.Downloader = new AtzucheDownloader(); //new DotnetSpider.Core.Downloader.HttpClientDownloader();
spider.ClearSchedulerAfterComplete = false;//爬蟲結(jié)束后不取消調(diào)度器
//----------------------------------

spider.ThreadNum = 1;
spider.Run();

　　　　Console.WriteLine("Press any key to continue...");
　　　　Console.Read();

}

這里也可將整個抓取方法當(dāng)做一個Spider實例單獨放置 ->?EntitySpider

　　/// <summary>
　　/// 應(yīng)用程序的主入口點。
　　/// </summary>
　　[STAThread]

static void Main()

{

　　AtzucheEntitySpider dDengEntitySpider = new AtzucheEntitySpider();
　　dDengEntitySpider.AddPageProcessor(new AtzucheProcessor());//控制器
　　dDengEntitySpider.AddPipeline(new AtzuchePipe());//回調(diào)
　　dDengEntitySpider.ThreadNum = 1;
　　dDengEntitySpider.Run();
　　Console.WriteLine("Press any key to continue...");
　　Console.Read();

}

Downloader

對目標(biāo)的請求全部包含著這里，可以根據(jù)需要自行設(shè)置，下篇將進(jìn)行自定義Request的應(yīng)用

public class AtzucheDownloader : BaseDownloader
{
　　protected override Page DowloadContent(Request request, ISpider spider)
　　{?
　　　　return new HttpClientDownloader().Download(request, spider);
　　}
}

新建爬蟲實體類

public class AtzucheEntitySpider : EntitySpider
{
　　protected override void MyInit(params string[] arguments)
　　{
　　　　AddPipeline(new SqlServerEntityPipeline("Server=.;Database=AuzucheSpider;uid=sa;pwd=123;MultipleActiveResultSets=true"));//注意連接字符串中數(shù)據(jù)庫不能帶 .? 親測報錯。。。
　　　　AddStartUrl("http://www.atzuche.com/car/searchListMap/2?cityCode=330100&sceneCode=U002&filterCondition%5Blon%5D=120.219294&filterCondition%5Blat%5D=30.259258&filterCondition%5Bseq%5D=4&pageNum=1&pageSize=0");
　　　　AddEntityType<AtzucheModel>();//如添加此實體類，框架將會根據(jù)此實體類上面的特性選擇進(jìn)行匹配，匹配成功后插入數(shù)據(jù)庫，固可以省略Processor和Pipe，或者不使用此句，通過控制器和回調(diào)自定義存儲方法
　　}

public AtzucheEntitySpider() : base("AuzucheSpider", new Site
{
　　CycleRetryTimes = 1,
　　SleepTime = 200,
　　Headers = new Dictionary<string, string>()
　　{
　　　　{"Accept","application/json, text/javascript, */*; q=0.01" },
　　　　{"Accept-Encoding","gzip, deflate" },
　　　　{"gzip, deflate","zh-CN,zh;q=0.9" },
　　　　{"X-Requested-With","XMLHttpRequest" },
　　　　{ "Referer", "http://www.atzuche.com/hz/car/search"},
　　　　{ "Connection","keep-alive" },
　　　　{ "Content-Type","application/json;charset=UTF-8" },
　　　　{ "Host","www.atzuche.com"},
　　　　{ "User-Agent","Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36"}
　　}
})
{
}

}

?接下來是處理器：

解析抓取的數(shù)據(jù)封裝到"AtzucheList"內(nèi)，可Pipe內(nèi)通過此名稱獲取處理好的數(shù)據(jù)。

public class AtzucheProcessor : IPageProcessor
{
　　public void Process(Page page, ISpider spider)
　　{
　　　　List<AtzucheModel> list = new List<AtzucheModel>();
　　　　var html = page.Selectable.JsonPath("$.data.content").GetValue();
　　　　list = JsonConvert.DeserializeObject<List<AtzucheModel>>(html);
　　　　page.AddResultItem("AtzucheList", list);
　　}
}

最后是回調(diào)，可在此加入保存數(shù)據(jù)的代碼，至此結(jié)束。

public class AtzuchePipe : BasePipeline
{
　　public override void Process(IEnumerable<ResultItems> resultItems, ISpider spider)
　　{
　　　　var result = new List<AtzucheModel>();
　　　　foreach (var resultItem in resultItems)
　　　　{
　　　　　　Console.WriteLine((resultItem.Results["AtzucheList"] as List<AtzucheModel>).Count);
　　　　　　foreach (var item in (resultItem.Results["AtzucheList"] as List<AtzucheModel>))
　　　　　　{
　　　　　　　　result.Add(new AtzucheModel()
　　　　　　　　{
　　　　　　　　　　carNo = item.carNo
　　　　　　　　});
　　　　　　　　Console.WriteLine($"{item.carNo}:{item.type} ");
　　　　　　}
　　　　}
　　}
}

?　　結(jié)果圖:

　　

總體來說，此框架對新手還是很友好的，靈活寫法可以讓我們有較多的方式去實現(xiàn)爬蟲，因為這個爬蟲比較簡單，就先寫到這里，未來如果可能，會再嘗試使用框架內(nèi)的多線程、代理等功能，如有心得將繼續(xù)分享，希望能對跟我一樣的新手有所幫助，十分感謝。

作者：Grom?

總結(jié)

以上是生活随笔為你收集整理的DotnetSpider (一) 架构的理解、应用、搭建的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。