C#+HtmlAgilityPack+Dapper走一波爬虫
（点击上方蓝字，可快速关注我们）
来源：山治先生
cnblogs.com/EminemJK/p/8920364.html
前言
因为公司业务需要，又有机会编写WinForm，这次的需求是因为公司有项目申报的这块业务，项目申报前期需要关注政府发布的相关动态信息，政府部门网站过多，人工需要一个一个网站去浏览和查阅，有时候还会遗漏掉，因此我们打算用爬虫+移动端Web来做，我主要负责爬虫和Web API。
爬虫篇
爬虫主要采用.NET强大的开源解析HTML元素的类库HtmlAgilityPack，操作过XML的童鞋应该很快就可以上手，通过分析XPath来解析HTML，非常的方便的，不过还有一款不错的叫Jumony，没用过，对HtmlAgilityPack比较熟悉，所以首选了HtmlAgilityPack来作为主力军。
HtmlAgilityPack的基本使用可以参考这篇
https://www.cnblogs.com/GmrBrian/p/6201237.html
效果图，多图慎入
采集广西财政厅例子
因为是政府发布的出来的信息，所以信息的对外开放的，只是机器代替人工来浏览，不会被和谐的，主要采集文章列表和文章内容，以广西财政厅网站为例子。
First
加载网站这个就不用说了，先查看网站的字符编码，如图<meta http-equiv="Content-Type" content="text/html; charset=utf-8" /> ，然后设置HtmlAgilityPack中的OverrideEncoding属性，
htmlAgilityPack.OverrideEncoding = Encoding.UTF8;
Second
分析文章列表，浏览器F12查看HTML标签情况，可以分析出XPath为
//ul[@class='dzjzw_list_main_ul']//li
流程代码：
//获取第一页的内容
HtmlNode row = GetHtmlDoc(htmlWeb, url);
//根据xpath获取列表
var list = row.SelectNodes("//ul[@class='dzjzw_list_main_ul']//li");
foreach (var data in list)
{
....
}
/// <summary>
/// 这里偶尔会浏览网页失败的，所以失败了多浏览几次
/// </summary
public static HtmlNode GetHtmlDoc(HtmlWeb htmlWeb, string url)
{
try
{
var doc = GetDoc(htmlWeb, url);
if (doc == null)
{
int againIdx = 0;
while (againIdx++ < 5)
{
System.Threading.Thread.Sleep(1000);
doc = GetDoc(htmlWeb, url);
if (doc != null)
break;
}
if (doc == null)
{
var htmlData = HttpHelper.Get<string>(url).Result;//.GetStringAsync(url).Result;
return HtmlNode.CreateNode(htmlData);
}
else
{
return doc.DocumentNode;
}
}
return doc.DocumentNode;
}
catch
{
Log.Error("未能正确访问地址：" + url);
return null;
}
}
文章内容的链接的XPath标签
//a
文章发布的时间XPath标签
//span[@class='date']
都可以使用 HtmlNode.InnerText 来获取到相关值，非常的方便。
Third
文章详细内容也如此，通过分析XPath来分析即可，最头疼的是翻页的问题，因为政府网站使用的技术一般都是比较那个的，你懂的，在这里的翻页也比较简单，通过拼接URL来进行翻页即可，有些使用到oncilck来触发的，有些表单提交，要具体问题具体分析了，用Fiddler和浏览器的F12大法来分析翻页数据来源，所以这里的例子比较简单
Fourth
爬取到的之后，再来一个钉钉通知，在群里拉入一个机器人，可以参考钉钉的开发文档https://open-doc.dingtalk.com/docs/doc.htm?spm=a219a.7629140.0.0.ece6g3&treeId=257&articleId=105735&docType=1#
这样我们爬取的消息就第一时间通知到群里的小伙伴啦，是不是很炫酷，
后面做完了再上传到GitHub。
看完本文有收获？请转发分享给更多人
关注「DotNet」，提升.Net技能
淘口令：复制以下红色内容，再打开手淘即可购买
范品社，使用￥极客T恤￥抢先预览（长按复制整段文案，打开手机淘宝即可进入活动内容）