DotnetSpider (一) 架构的理解、应用、搭建

本文连接:http://www.cnblogs.com/grom/p/8931650.html

受业务影响，决定将Downloader单独分层，做出修改。

最近在做爬虫，之前一直在使用 HttpWebRequest 和 WebClient ,很方便快捷，也很适合新手，但随着抓取任务的增多，多任务，多库等情况的出现，使用一个优秀的爬虫框架是十分必要的。于是开始接触dotnetspider。

借鉴一下框架的设计图，在引入dotnetspider的NuGet包后，我基本也是按照这个进行了分层

Data.Spider - 存放前台页面(Winform、控制台)和实体爬虫(EntitySpider)等，相当于发起请求的起点。

Spider.Downloader - 封装请求等信息，可实现自定义cookie等，非必须。

Spider.Processor - 处理器，继承 IPageProcessor 实现对抓取内容的处理

Spider.Pipe - 管道，我将它理解为经过了 Processor 处理后的一个回调，将处理好的数据存储(文件、数据库等)

Spider.Entity - 数据实体类，继承 SpiderEntity

Spider.Command - 一些常用的公用命令，我这目前存放着转数据格式类，后台执行JS类，SqlHelper(因架构自带数据库管道，暂时没用)等

这样的分层也是参考了源码的示例

随着这几天的尝试，真的发现这个框架真的非常灵活，以凹凸租车的爬虫为例，上代码

　　实体类：

[EntityTable("CarWinsSpider", "AtzucheCar", EntityTable.Today)]
[EntitySelector(Expression = "$.data.content[*]", Type = SelectorType.JsonPath)]

public class AtzucheModel : SpiderEntity

{

/// <summary>
/// 车辆编号
/// </summary>
[PropertyDefine(Expression = "$.carNo", Type = SelectorType.JsonPath)]
public int carNo { get; set; }
/// <summary>
/// 品牌
/// </summary>
//[ReplaceFormatter(NewValue = "", OldValue = "\r")]
//[ReplaceFormatter(NewValue = "", OldValue = "\t")]
//[ReplaceFormatter(NewValue = "", OldValue = " ")]
//[ReplaceFormatter(NewValue = "", OldValue = "\n")]
//[ReplaceFormatter(NewValue = "", OldValue = "\"")]
//[ReplaceFormatter(NewValue = "", OldValue = " ")]
[PropertyDefine(Expression = "$.brand", Type = SelectorType.JsonPath)]
public string brand { get; set; }
/// <summary>
/// 地址
/// </summary>
[PropertyDefine(Expression = "$.carAddr", Type = SelectorType.JsonPath)]
public string carAddr { get; set; }
/// <summary>
/// 车系
/// </summary>
[PropertyDefine(Expression = "$.type", Type = SelectorType.JsonPath)]
public string type { get; set; }
/// <summary>
/// 排量
/// </summary>
[PropertyDefine(Expression = "$.sweptVolum", Type = SelectorType.JsonPath)]
public string sweptVolum { get; set; }
/// <summary>
/// 图片
/// </summary>
[PropertyDefine(Expression = "$.coverPic", Type = SelectorType.JsonPath)]
public string coverPic { get; set; }
/// <summary>
/// 日租金
/// </summary>
[PropertyDefine(Expression = "$.dayPrice", Type = SelectorType.JsonPath)]
public int dayPrice { get; set; }
/// <summary>
/// 公里数
/// </summary>
[PropertyDefine(Expression = "$.distance", Type = SelectorType.JsonPath)]
public string distance { get; set; }
/// <summary>
/// 评分
/// </summary>
[PropertyDefine(Expression = "$.evalScore", Type = SelectorType.JsonPath)]
public string evalScore { get; set; }
[PropertyDefine(Expression = "$.gbType", Type = SelectorType.JsonPath)]
public string gbType { get; set; }
/// <summary>
/// 车牌
/// </summary>
[PropertyDefine(Expression = "$.plateNum", Type = SelectorType.JsonPath)]
public string plateNum { get; set; }
[PropertyDefine(Expression = "$.replyTag", Type = SelectorType.JsonPath)]
public string replyTag { get; set; }
[PropertyDefine(Expression = "$.transCount", Type = SelectorType.JsonPath)]
public string transCount { get; set; }
/// <summary>
/// 年款
/// </summary>
[PropertyDefine(Expression = "$.year", Type = SelectorType.JsonPath)]
public int year { get; set; }
[PropertyDefine(Expression = "$.isPrivilege", Type = SelectorType.JsonPath)]
public int isPrivilege { get; set; }
[PropertyDefine(Expression = "$.isRecommend", Type = SelectorType.JsonPath)]
public int isRecommend { get; set; }
[PropertyDefine(Expression = "$.isUpgrade", Type = SelectorType.JsonPath)]
public int isUpgrade { get; set; }
[PropertyDefine(Expression = "$.lat", Type = SelectorType.JsonPath)]
public string lat { get; set; }
[PropertyDefine(Expression = "$.lon", Type = SelectorType.JsonPath)]
public string lon { get; set; }
[PropertyDefine(Expression = "$.queryId", Type = SelectorType.JsonPath)]
public string queryId { get; set; }
[PropertyDefine(Expression = "$.supplyCarService", Type = SelectorType.JsonPath)]
public int supplyCarService { get; set; }
[PropertyDefine(Expression = "$.freeCarService", Type = SelectorType.JsonPath)]
public int freeCarService { get; set; }
[PropertyDefine(Expression = "$.isShenMaCar", Type = SelectorType.JsonPath)]
public int isShenMaCar { get; set; }
[PropertyDefine(Expression = "$.supportGetReturn", Type = SelectorType.JsonPath)]
public int supportGetReturn { get; set; }
[PropertyDefine(Expression = "$.confirmation", Type = SelectorType.JsonPath)]
public int confirmation { get; set; }

}

起始：

　　/// <summary>
　　/// 应用程序的主入口点。
　　/// </summary>
　　[STAThread]

static void Main()

{

Request res = new Request();
//res.PostBody = $"id=7&j=%7B%22createMan%22%3A%2218273159100%22%2C%22createTime%22%3A1518433690000%2C%22row%22%3A5%2C%22siteUserActivityListId%22%3A8553%2C%22siteUserPageRowModuleId%22%3A84959%2C%22topids%22%3A%22%22%2C%22wherePhase%22%3A%221%22%2C%22wherePreferential%22%3A%220%22%2C%22whereUsertype%22%3A%220%22%7D&page={i}&shopid=83106681";//据说是post请求需要
res.Url = "http://www.atzuche.com/car/searchListMap/2?cityCode=330100&sceneCode=U002&filterCondition%5Blon%5D=120.219294&filterCondition%5Blat%5D=30.259258&filterCondition%5Bseq%5D=4&pageNum=1&pageSize=0";
res.Method = System.Net.Http.HttpMethod.Get;

resList.Add(res);

var spider = DotnetSpider.Core.Spider.Create(site, new QueueDuplicateRemovedScheduler(), new AtzucheProcessor())
.AddStartRequests(resList.ToArray())//页面抓取整理
.AddPipeline(new AtzuchePipe());//数据回调

//----------------------------------
spider.Monitor = new DotnetSpider.Core.Monitor.NLogMonitor();
spider.Downloader = new AtzucheDownloader(); //new DotnetSpider.Core.Downloader.HttpClientDownloader();
spider.ClearSchedulerAfterComplete = false;//爬虫结束后不取消调度器
//----------------------------------

spider.ThreadNum = 1;
spider.Run();

　　　　Console.WriteLine("Press any key to continue...");
　　　　Console.Read();

}

这里也可将整个抓取方法当做一个Spider实例单独放置 -> EntitySpider

　　/// <summary>
　　/// 应用程序的主入口点。
　　/// </summary>
　　[STAThread]

static void Main()

{

　　AtzucheEntitySpider dDengEntitySpider = new AtzucheEntitySpider();
　　dDengEntitySpider.AddPageProcessor(new AtzucheProcessor());//控制器
　　dDengEntitySpider.AddPipeline(new AtzuchePipe());//回调
　　dDengEntitySpider.ThreadNum = 1;
　　dDengEntitySpider.Run();
　　Console.WriteLine("Press any key to continue...");
　　Console.Read();

}

Downloader

对目标的请求全部包含着这里，可以根据需要自行设置，下篇将进行自定义Request的应用

public class AtzucheDownloader : BaseDownloader
{
　　protected override Page DowloadContent(Request request, ISpider spider)
　　{
　　　　return new HttpClientDownloader().Download(request, spider);
　　}
}

新建爬虫实体类

public class AtzucheEntitySpider : EntitySpider
{
　　protected override void MyInit(params string[] arguments)
　　{
　　　　AddPipeline(new SqlServerEntityPipeline("Server=.;Database=AuzucheSpider;uid=sa;pwd=123;MultipleActiveResultSets=true"));//注意连接字符串中数据库不能带 . 亲测报错。。。
　　　　AddStartUrl("http://www.atzuche.com/car/searchListMap/2?cityCode=330100&sceneCode=U002&filterCondition%5Blon%5D=120.219294&filterCondition%5Blat%5D=30.259258&filterCondition%5Bseq%5D=4&pageNum=1&pageSize=0");
　　　　AddEntityType<AtzucheModel>();//如添加此实体类，框架将会根据此实体类上面的特性选择进行匹配，匹配成功后插入数据库，固可以省略Processor和Pipe，或者不使用此句，通过控制器和回调自定义存储方法
　　}

public AtzucheEntitySpider() : base("AuzucheSpider", new Site
{
　　CycleRetryTimes = 1,
　　SleepTime = 200,
　　Headers = new Dictionary<string, string>()
　　{
　　　　{"Accept","application/json, text/javascript, */*; q=0.01" },
　　　　{"Accept-Encoding","gzip, deflate" },
　　　　{"gzip, deflate","zh-CN,zh;q=0.9" },
　　　　{"X-Requested-With","XMLHttpRequest" },
　　　　{ "Referer", "http://www.atzuche.com/hz/car/search"},
　　　　{ "Connection","keep-alive" },
　　　　{ "Content-Type","application/json;charset=UTF-8" },
　　　　{ "Host","www.atzuche.com"},
　　　　{ "User-Agent","Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36"}
　　}
})
{
}

}

接下来是处理器：

解析抓取的数据封装到"AtzucheList"内，可Pipe内通过此名称获取处理好的数据。

public class AtzucheProcessor : IPageProcessor
{
　　public void Process(Page page, ISpider spider)
　　{
　　　　List<AtzucheModel> list = new List<AtzucheModel>();
　　　　var html = page.Selectable.JsonPath("$.data.content").GetValue();
　　　　list = JsonConvert.DeserializeObject<List<AtzucheModel>>(html);
　　　　page.AddResultItem("AtzucheList", list);
　　}
}

最后是回调，可在此加入保存数据的代码，至此结束。

public class AtzuchePipe : BasePipeline
{
　　public override void Process(IEnumerable<ResultItems> resultItems, ISpider spider)
　　{
　　　　var result = new List<AtzucheModel>();
　　　　foreach (var resultItem in resultItems)
　　　　{
　　　　　　Console.WriteLine((resultItem.Results["AtzucheList"] as List<AtzucheModel>).Count);
　　　　　　foreach (var item in (resultItem.Results["AtzucheList"] as List<AtzucheModel>))
　　　　　　{
　　　　　　　　result.Add(new AtzucheModel()
　　　　　　　　{
　　　　　　　　　　carNo = item.carNo
　　　　　　　　});
　　　　　　　　Console.WriteLine($"{item.carNo}:{item.type} ");
　　　　　　}
　　　　}
　　}
}

　　结果图:

总体来说，此框架对新手还是很友好的，灵活写法可以让我们有较多的方式去实现爬虫，因为这个爬虫比较简单，就先写到这里，未来如果可能，会再尝试使用框架内的多线程、代理等功能，如有心得将继续分享，希望能对跟我一样的新手有所帮助，十分感谢。

作者：Grom

DotnetSpider (一) 架构的理解、应用、搭建相关推荐

云技术-SaaS架构初步理解
最近公司准备整一个SaaS的东西.有幸参入这一块东西的搭建,借着這个机会也重新好好梳理了一下对SaaS的认识.今天整理一下! 一.云计算与SaaS 说起SaaS,就得先说说云计算了.关于云计算分为三层 ...
从WebService到面向服务架构SOA理解【二】
概要: (1)通过上一篇项目的WebService搭建学习,能够有了对WebService一定的认识. (2)接下来记录自己通过对WebService的学习对面向服务架构的理解. WebService ...
【我对软件平台架构的理解】第一部分：软件平台架构有什么用
一.先说说软件工程在提"软件平台架构"这个概念之前,先说一下我对软件工程的理解,借鉴一下网上对软件工程的定义:[注1] (1).将系统化的.规范的.可量化的方法应用于软件的开发. ...
对前端架构的理解 - 分层与抽象
大厂技术高级前端 Node进阶点击上方程序员成长指北,关注公众号回复1,加入高级Node交流群可能一些同学会认为前端比较简单而不需要架构,或者因为前端交互细节杂而乱难以统一抽象,所以没办 ...
Android基础-系统架构分析，环境搭建，下载Android Studio，AndroidDevTools，Git使用教程，Github入门，界面设计介绍
系统架构分析 Android体系结构安卓结构有四大层,五个部分,Android分四层为: 应用层(Applications),应用框架层(Application Framework),系统运行层(L ...
BlockChain：《Blockchain Gate》听课笔记——区块链的1.0架构 VS 区块链3.0架构+个人理解
BlockChain:<Blockchain Gate>听课笔记--区块链的1.0架构 VS 区块链3.0架构+个人理解相关文章 BlockChain:<Blockchain G ...
gitee如何搭建mysql_MySQL高可用架构集群环境搭建手册.md
# MySQL高可用架构集群环境搭建手册 ## 环境准备 ### 机器规划 | 节点 | IP | 配置 | 角色 | | -------- | -------------- | ---- | --- ...
vue click事件_Vue.js---实现前后端分离架构中前端页面搭建（二）
[Vue.js实现前后端分离架构中前端页面搭建] 九.Vue的事件处理 Vue的事件都是使用 v-on:事件类型进行绑定.也可以使用@事件类型进行操作.其中事件类型和之前学习jQuery中事件名称是 ...
阿里道延：我对技术架构的理解与架构师角色的思考
我叫道延, 2014 年加入阿里,在阿里通信工作了近两年.2016 年年底加入业务平台团队,当时 Leader 找我的第一件事就是要解决大促的问题,第二件事就是解决安全生产的问题. 我带着这个命题进入 ...

DotnetSpider (一) 架构的理解、应用、搭建

DotnetSpider (一) 架构的理解、应用、搭建相关推荐

最新文章

热门文章