[转载]网络采集器 - 镇水古月 - 博客园

[转载]网络采集器 – 镇水古月 – 博客园.

我们在浏览网页的时候,都会在浏览器地址栏中输入需要访问的地址,通常这些地址都是以HTTP打头,表明是采用HTTP协议实现和站点通 讯,HTTP准确的说法是超文本传输协议,归根结底还是文本,所以传输的内容就是文本,浏览的网页也是文本,这就是我们可以采集网站数据的根本。

同时,在地址栏中我们还会看到网址中会包含www的字样,这表示我们请求的是Web服务,WWW服务(3W服务)是目前应用最广的一种基本互联网应 用。WWW服务使用的是超文本链接(HTML),所以可以很方便的从一个信息页转换到另一个信息页。它不仅能查看文字,还可以欣赏图片、音乐、动画。

至此,我们知道,浏览网页实际是采用HTTP协议向Web服务请求一个超文本(HTML),这个超文本包含有文字、图片、音乐等内容,这就是我们最 终看到的网页。同时我们所采集的数据也包含在这个超文本中。超文本(HTML)有自己的规则,通过这些规则,浏览器会自动识别超文本格式,知道该用何种方 式展示页面,这也是我们看到不同网页风格的根本。如果我们通过浏览器,查看网页源码就会发现很多<>标识的内容,这就是HTML的规范内容, 当然还有很多其他规范。

手工方式进行数据采集流程:

1、用浏览器(浏览器可是IE、Firefox)打开一个网页

2、用浏览器查看网页源代码(Firefox)或查看源文件(IE)的功能打开这个网页的传输文本内容

3、可以把这个文本内容全部拷贝到一个专业的文本编辑工具中,譬如:UltraEdit,也或者直接采用浏览器自带的功能

4、通过查找的功能,开始查找您想要的内容

5、找到之后需要把它拷贝出来

参考资料

网络矿工数据采集软件用户手册
http://www.soukey.com/help/index.html

 

C#多线程网页采集器(Spider)

http://programmingcanruinyourlife.themz.cn/spider.html

 

ASP.NET采集函数(采集、分析、替换、入库一体)

http://blog.csdn.net/mubingyun/archive/2008/12/09/3484548.aspx

 

ASP.NET(C#)经典采集代码

http://blog.csdn.net/mubingyun/archive/2008/12/09/3484534.aspx

 

asp.net下数据采集方法及示例

http://blog.csdn.net/mubingyun/archive/2008/12/09/3484481.aspx

 

魏言ASP.NET数据采集封装类,封装了所有数据采集需要的方法

http://blog.csdn.net/mubingyun/archive/2008/12/09/3484469.aspx

 

log4net使用详解

http://blog.csdn.net/mubingyun/archive/2008/12/09/3484462.aspx

 

ASP.NET采集系统万能正则表达式

http://blog.csdn.net/mubingyun/archive/2008/12/09/3484557.aspx

 

.NETC#群发HTML格式带附件中文发送者密送抄送的邮件

http://blog.csdn.net/mubingyun/archive/2008/12/09/3484564.aspx

 

.net程序中资源文件的保护办法探讨

http://blog.csdn.net/mubingyun/archive/2008/12/09/3484567.aspx

 

C#利用代理(proxy)爬网

http://blog.csdn.net/mubingyun/archive/2008/10/31/3194288.aspx

 

SQL生成100W条指定位数的随机数的方法(只花费了不足1分钟)(整理)

http://blog.csdn.net/mubingyun/archive/2008/10/21/3115456.aspx

赞(0) 打赏
分享到: 更多 (0)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏