C#從新浪新聞上提取新聞標題

 下面我以新浪軍事新聞模塊提取軍事新聞的標題，將提取到的新聞標題保存到記事本上

 

static void Main(string[] args)
      {
          Stopwatch watch = new Stopwatch();
          watch.Start();
          WebClient wc = new WebClient();
          int count = 0;
          //正則表達式
          string regLinks = "<li><a\\s+href=\"http://mil.news.sina.com.cn/20\\d{2}-\\d{2}-\\d{2}/\\d{10}\\.html\"\\s+target=\"_blank\">(.+?)</a><span\\s+class=\"time\">(.+?)</span></li>";
          //由於耗時太久，在這裏我只提取新浪100個頁面的新聞標題
          for (int i = 1; i < 100; i++)
          {
              //http://roll.mil.news.sina.com.cn/col/zgjq/index_4.shtml
              string url = @"http://roll.mil.news.sina.com.cn/col/zgjq/index_"+i+".shtml";

              string html = wc.DownloadString(url);
              MatchCollection matchs = Regex.Matches(html, regLinks);
              using (StreamWriter sw = new StreamWriter(@"c:\news.txt", true, Encoding.GetEncoding("gb2312")))
              {
                  foreach (Match match in matchs)
                  {
                      if (match.Success)
                      {
                          sw.WriteLine(match.Groups[1].Value + "\t" + match.Groups[2].Value);
                          count++;
                      }
                  }
              }
          }
          watch.Stop();
          Console.WriteLine("共提取了{0}個新聞標題",count);
          Console.WriteLine("共計用時：{0}",watch.Elapsed);
          Console.ReadKey();
      }

朋友們可以提取其他相關網站的新聞標題，但是提取的時候一定要記得找源代碼規律，因爲

//正則表達式
string regLinks = "<li><a\\s+href=\"http://mil.news.sina.com.cn/20\\d{2}-\\d{2}-\\d{2}/\\d{10}\\.html\"\\s+target=\"_blank\">(.+?)</a><span\\s+class=\"time\">(.+?)</span></li>";

正則表達式的拼接是根據標題源代碼的規律來提取的，如果不找規律，是很難進行提取的。

希望大家可以根據程序來提取其他網站的內容