ASP.NET实现数据采集

---

这是我自己写的一个数据采集程序，是采集一个人才网里面人才的信息，第一次写Blog，写的不好不要见笑。

 

　　//先按照下面的字段创建一个数据表

　　以下为引用的内容：

public partial class Form2 : Form
{
public Form2()
{
InitializeComponent();
}
//姓名
public static string XM = "";
//年龄
public static string nl = "";
//性别
public static string XB = "";
//身高
public static string SG = "";
//政治面貌
public static string mm = "";
//民族
public static string MZ = "";
//学历
public static string XL = "";
//婚姻状况
public static string HK = "";
//所学专业
public static string ZY = "";
//工作经验
public static string GZJY = "";
//在职单位
public static string ZZDW = "";
//在职职位
public static string ZZZW = "";
//工作经历
public static string GZJL = "";
//要求月薪
public static string YX = "";
//工作性质
public static string GZXZ = "";
//求职意向
public static string QZYX = "";
//具体职务
public static string JTZW = "";
//期望工作地
public static string QWGZD = "";
//教育情况，语言水平，技术专长
public static string QT = "";
private void button1_Click(object sender, EventArgs e)
{
label1.Text = "正在采集数据……";

//遍历数据的页数
for (int i = 1; i <=50; i++)
{
CJ("http://www.xcjob.cn/renli.asp?pageno=" + i);
}

label1.Text = "恭喜你采集完成！";
MessageBox.Show("恭喜你采集完成！");
}

//采集数据
private void CJ(string Url)
{
//获得页面源文件(Html)
string strWebContent = YM(Url);

//按照Ｈtml里面的标签 取出和数据有关的那段源码
int iBodyStart = strWebContent.IndexOf("<body", 0);
int aaa = strWebContent.IndexOf("关键字:", iBodyStart);
int iTableStart = strWebContent.IndexOf("<table", aaa);
int iTableEnd = strWebContent.IndexOf("</table>", iTableStart);
string strWeb = strWebContent.Substring(iTableStart, iTableEnd - iTableStart);

//生成HtmlDocument
HtmlElementCollection htmlTR = HtmlTR_Content(strWeb, "tr");

foreach (HtmlElement tr in htmlTR)
{
try
{
//姓名
XM = tr.GetElementsByTagName("a")[0].InnerText;
//获得详细信息页面的网址
string a = tr.GetElementsByTagName("a")[0].GetAttribute("href").ToString();
a = "http://www.xcjob.cn" + a.Substring(11);

Content(a);
}
catch { }
}
}

//采集详细数据
private void Content(string URL)
{
try
{
string strWebContent = YM(URL);

//按照Ｈtml里面的标签 取出和数据有关的那段源码
int iBodyStart = strWebContent.IndexOf("<body", 0);
int iTableStart = strWebContent.IndexOf("浏览次数", iBodyStart);
int iTableEnd = strWebContent.IndexOf("<table", iTableStart);
int dd = strWebContent.IndexOf("</table>", iTableEnd);
string strWeb = strWebContent.Substring(iTableEnd, dd - iTableEnd + 8);

HtmlElementCollection htmlTR = HtmlTR_Content(strWeb, "table");

foreach (HtmlElement tr in htmlTR)
{
try
{
//年龄
nl = tr.GetElementsByTagName("tr")[1].GetElementsByTagName("td")[1].InnerText;
//性别
string XB_SG = tr.GetElementsByTagName("tr")[1].GetElementsByTagName("td")[3].InnerText;
XB = XB_SG.Substring(0, 1);
//身高
SG = XB_SG.Substring(11);
//政治面貌
mm = tr.GetElementsByTagName("tr")[2].GetElementsByTagName("td")[1].InnerText;
//民族
MZ = tr.GetElementsByTagName("tr")[2].GetElementsByTagName("td")[3].InnerText;
//学历
XL = tr.GetElementsByTagName("tr")[3].GetElementsByTagName("td")[1].InnerText;
//婚烟状况
HK = tr.GetElementsByTagName("tr")[3].GetElementsByTagName("td")[3].InnerText;
//所学专业
ZY = tr.GetElementsByTagName("tr")[5].GetElementsByTagName("td")[1].InnerText;
//工作经验
GZJY = tr.GetElementsByTagName("tr")[5].GetElementsByTagName("td")[3].InnerText;
//在职单位
ZZDW = tr.GetElementsByTagName("tr")[6].GetElementsByTagName("td")[1].InnerText;
//在职职位
ZZZW = tr.GetElementsByTagName("tr")[6].GetElementsByTagName("td")[3].InnerText;
//工作经历
GZJY = tr.GetElementsByTagName("tr")[7].GetElementsByTagName("td")[1].InnerText;
//要求月薪
YX = tr.GetElementsByTagName("tr")[9].GetElementsByTagName("td")[1].InnerText;
//工作性质
GZXZ = tr.GetElementsByTagName("tr")[9].GetElementsByTagName("td")[3].InnerText;
//求职意向
QZYX = tr.GetElementsByTagName("tr")[10].GetElementsByTagName("td")[1].InnerText;
//具体职务
JTZW = tr.GetElementsByTagName("tr")[10].GetElementsByTagName("td")[3].InnerText;
//期望工作地
QWGZD = tr.GetElementsByTagName("tr")[11].GetElementsByTagName("td")[1].InnerText;
//教育情况，语言水平，技术专长
QT = tr.GetElementsByTagName("tr")[13].GetElementsByTagName("td")[1].InnerText;

insert();
}
catch
{ }
}
}
catch { }
}

//将数据插入数据库
private void insert()
{
try
{
string str = "Provider=Microsoft.Jet.OleDb.4.0;Data Source=Data.mdb";
string sql = "insert into 人才信息 (姓名,年龄,性别,身高,政治面貌,民族,学历,婚烟状况,所学专业,";
sql += "工作经验,在职单位,在职职位,工作经历,要求月薪,工作性质,求职意向,具体职务,期望工作地,其他) values ";
sql += "('" + XM + "'," + nl + ",'" + XB + "','" + SG + "','" + mm + "','" + MZ + "','" + XL + "','" + HK + "','" + ZY + "','" + GZJY + "','" + ZZDW + "','" + ZZZW + "',";
sql += "'" + GZJY + "','" + YX + "','" + GZXZ + "','" + QZYX + "','" + JTZW + "','" + QWGZD + "','" + QT + "')";

OleDbConnection con = new OleDbConnection(str);
OleDbCommand com = new OleDbCommand(sql, con);
con.Open();
com.ExecuteNonQuery();
con.Close();
}
catch { }
}

//返回一个HtmlElementCollection,然后进行查询内容
private HtmlElementCollection HtmlTR_Content(string strWeb, string tj)
{
try
{
//生成HtmlDocument
WebBrowser webb = new WebBrowser();
webb.Navigate("about:blank");
//window.document返回一个htmldocument对象，表示对一个html文档的操作
//htmldocument对象是在xmldocument基础上建立的，具有xmldocument的一切方法属性
HtmlDocument htmldoc = webb.Document.OpenNew(true);
htmldoc.Write(strWeb);
HtmlElementCollection htmlTR = htmldoc.GetElementsByTagName(tj);

return htmlTR;
}
catch { return null; }
}

//获得网址原代码
private string YM(string Url)
{
string strResult = "";

try
{
HttpWebRequest request = (HttpWebRequest)WebRequest.Create(Url);
request.Method = "GET";
HttpWebResponse response = (HttpWebResponse)request.GetResponse();
Stream streamReceive = response.GetResponseStream();
Encoding encoding = Encoding.GetEncoding("GB2312");
StreamReader streamReader = new StreamReader(streamReceive, encoding);
strResult = streamReader.ReadToEnd();
}
catch { }

return strResult;
}
}

//这个程序写的不是太好，全都是用for循环遍历出来的，效率不是太高，那位高手可以使用 多线程 指点一下。

---

« 
» 

---