手机
当前位置:查字典教程网 >编程开发 >asp.net教程 >.NET从优酷专辑中采集所有视频及信息(VB.NET代码)
.NET从优酷专辑中采集所有视频及信息(VB.NET代码)
摘要:这个方法就是提取优酷的专辑ID,然后一个个ID进行循环采集网页代码,从中提取title标签和VID,没什么技术含量。=..=采集中应用.NE...

这个方法就是提取优酷的专辑ID,然后一个个ID进行循环采集网页代码,从中提取title标签和VID,没什么技术含量。=..=

采集中应用.NET中的HttpWebRequest和HttpWebResponse类,代码分析用了正则表达式。

这个代码效率不是很好,一个网页的解析时间在0.5~2秒之间,不适合大量采集。也许将它转换成JavaScript速度会快一点吧。

暂时就研究这么多,代码直接发出来给大家共享一下。

代码VB.NET,新建一个窗体frmMain,添加一个TextBox,一个ListBox,两个Button,复制下面的代码:

复制代码 代码如下:

Imports System.Net

Imports System.IO

Imports System.Text

Imports System.Text.RegularExpressions

Public Class frmMain

Structure VList

Dim id As Integer

Dim title As String

Dim vid1 As String

Dim vid2 As String

Overloads Function ToString() As String

Return String.Format("{0}:<{1}> [{2}]", id, title, vid1)

End Function

End Structure

Dim myList As New List(Of VList)

Private Sub Button1_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles Button1.Click

' 防止重复创建变量

Dim wr1 As HttpWebRequest

Dim wr2 As HttpWebResponse

Dim ret As String

Dim reg As Match

Dim g As Group

Dim preVid As String = "" '上一个VID

Dim nowid As Integer = 0 '当前的视频集数

Dim listUrl As String = TextBox1.Text '获取专辑URL,如 http://www.youku.com/playlist_show/id_2350764.html

Dim tarUrl As String = "http://v.youku.com/v_playlist/f{0}" '{0}ListID

reg = Regex.Match(listUrl, "playlist_show/id_(d+).*.html")

If Not reg.Success Then

MsgBox("专辑列表提取失败!")

Exit Sub

End If

g = reg.Groups(1)

tarUrl = String.Format(tarUrl, g.Value) & "o{1}p{0}.html" '{0}集数 {1}排序

wr1 = HttpWebRequest.Create(TextBox1.Text)

wr2 = wr1.GetResponse

ret = New StreamReader(wr2.GetResponseStream, Encoding.GetEncoding(wr2.CharacterSet)).ReadToEnd

reg = Regex.Match(ret, "<title>(.+) - 专辑 - 优酷视频</title>")

If Not reg.Success Then

MsgBox("专辑名称提取失败!")

Else

g = reg.Groups(1)

MsgBox("专辑名:《" & g.Value & "》")

End If

Do

' 从Web流中获取页面文本

wr1 = HttpWebRequest.Create(String.Format(tarUrl, nowid, "0")) '按倒序方式查找视频

wr2 = wr1.GetResponse

ret = New StreamReader(wr2.GetResponseStream, Encoding.GetEncoding(wr2.CharacterSet)).ReadToEnd

'TextBox2.Text = ret

' 创建一个临时视频列表变量

Dim nlist As New VList

nlist.id = nowid '获取ID

' 获取videoId

reg = Regex.Match(ret, "vars+videoIds*=s*""(d+)""s*;")

If Not reg.Success Then Exit Do

g = reg.Groups(1)

' 如果VID等于上一个VID最退出

If g.Value = preVid Then Exit Do

nlist.vid1 = g.Value

' 获取videoId2

reg = Regex.Match(ret, "vars+videoId2s*=s*""((w|=)+)""s*;") '"vars+videoId2s*=s*""(w+)""s*;")

If Not reg.Success Then Exit Do

g = reg.Groups(1)

nlist.vid2 = g.Value

' 获取标题

reg = Regex.Match(ret, "<title>(.+) - (.+) - 视频 - 优酷视频 - 在线观看 - </title>")

If Not reg.Success Then

nlist.title = "{名称查找错误}"

Else

g = reg.Groups(2)

nlist.title = g.Value

End If

' 收尾工作

myList.Add(nlist) '添加到总列表中

preVid = nlist.vid1 '记录最后一个VID

wr2.Close()

Me.Text = nowid & " : 处理完成!"

nowid += 1

Loop

wr2.Close()

MsgBox(nowid & " 个视频全部采集处理完成!")

Button2_Click(sender, e)

End Sub

Private Sub Button2_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles Button2.Click

ListBox1.Items.Clear()

For Each ls As VList In myList

ListBox1.Items.Add(String.Format("{0}:<{1}> [{2}]", ls.id, ls.title, ls.vid1))

Next

myList.Clear()

End Sub

End Class

夜闻香原创

博客: http://clso.cnblogs.com

主页: http://cleclso.cn

QQ:315514678 E-mail:clso#qq.com

欢迎技术交流!

【.NET从优酷专辑中采集所有视频及信息(VB.NET代码)】相关文章:

ASP.net 动态加载控件时一些问题的总结

在ASP.NET中重写URL的代码

ASP.NET如何获取两个日期之间的天数

ASP.NET中读取XML文件信息的4种方法与示例代码

ASP.NET AJAX时用alert弹出对话框

白刃之战:PHP vs. ASP.NET(节选)-架构比较

ASP.NET 高性能分页代码

在ASP.NET2.0中通过Gmail发送邮件的代码

一个经典的ADO.NET入门例子

给.net初学者的一些建议(共勉之)

精品推荐
分类导航