服务器之家

服务器之家 > 正文

.NET从优酷专辑中采集所有视频及信息(VB.NET代码)

时间:2019-07-07 16:27     来源/作者:ASP.NET之家
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, "var\s+videoId\s*=\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, "var\s+videoId2\s*=\s*""((\w|=)+)""\s*;") '"var\s+videoId2\s*=\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!
标签:

相关文章

热门资讯

抖音撒撒累累是什么歌 撒撒累累张艺兴歌曲名字
抖音撒撒累累是什么歌 撒撒累累张艺兴歌曲名字 2019-06-05
叠猫猫队长可以退出吗 叠猫猫队长怎么换队伍
叠猫猫队长可以退出吗 叠猫猫队长怎么换队伍 2019-06-05
淘宝合合卡可以送好友吗 淘宝合合卡快速获得方式
淘宝合合卡可以送好友吗 淘宝合合卡快速获得方式 2019-06-13
叠猫猫可以邀请多少人 叠猫猫大挑战一个队最多多少人
叠猫猫可以邀请多少人 叠猫猫大挑战一个队最多多少人 2019-06-05
华为nova5pro和p30pro哪个好 华为nova5pro和华为p30pro对比详情
华为nova5pro和p30pro哪个好 华为nova5pro和华为p30pro对比详情 2019-06-22
返回顶部