网络采集器
引用:http://hi.baidu.com/%B4%F3%CE%B0/blog/item/941ed8b49ee58f6b8bd4b2e2.html
我们在浏览网页的时候,都会在浏览器地址栏中输入需要访问的地址,通常这些地址都是以HTTP打头,表明是采用HTTP协议实现和站点通讯,HTTP准确的说法是超文本传输协议,归根结底还是文本,所以传输的内容就是文本,浏览的网页也是文本,这就是我们可以采集网站数据的根本。
同时,在地址栏中我们还会看到网址中会包含www的字样,这表示我们请求的是Web服务,WWW服务(3W服务)是目前应用最广的一种基本互联网应用。WWW服务使用的是超文本链接(HTML),所以可以很方便的从一个信息页转换到另一个信息页。它不仅能查看文字,还可以欣赏图片、音乐、动画。
至此,我们知道,浏览网页实际是采用HTTP协议向Web服务请求一个超文本(HTML),这个超文本包含有文字、图片、音乐等内容,这就是我们最终看到的网页。同时我们所采集的数据也包含在这个超文本中。超文本(HTML)有自己的规则,通过这些规则,浏览器会自动识别超文本格式,知道该用何种方式展示页面,这也是我们看到不同网页风格的根本。如果我们通过浏览器,查看网页源码就会发现很多<>标识的内容,这就是HTML的规范内容,当然还有很多其他规范。
手工方式进行数据采集流程:
1、用浏览器(浏览器可是IE、Firefox)打开一个网页
2、用浏览器查看网页源代码(Firefox)或查看源文件(IE)的功能打开这个网页的传输文本内容
3、可以把这个文本内容全部拷贝到一个专业的文本编辑工具中,譬如:UltraEdit,也或者直接采用浏览器自带的功能
4、通过查找的功能,开始查找您想要的内容
5、找到之后需要把它拷贝出来
参考资料
网络矿工数据采集软件用户手册
http://www.soukey.com/help/index.html
C#多线程网页采集器(Spider)
http://programmingcanruinyourlife.themz.cn/spider.html
asp.net采集函数(采集、分析、替换、入库一体)
http://blog.csdn.net/mubingyun/archive/2008/12/09/3484548.aspx
ASP.NET(C#)经典采集代码
http://blog.csdn.net/mubingyun/archive/2008/12/09/3484534.aspx
asp.net下数据采集方法及示例
http://blog.csdn.net/mubingyun/archive/2008/12/09/3484481.aspx
魏言ASP.NET数据采集封装类,封装了所有数据采集需要的方法
http://blog.csdn.net/mubingyun/archive/2008/12/09/3484469.aspx
log4net使用详解
http://blog.csdn.net/mubingyun/archive/2008/12/09/3484462.aspx
ASP.NET采集系统万能正则表达式
http://blog.csdn.net/mubingyun/archive/2008/12/09/3484557.aspx
.NETC#群发HTML格式带附件中文发送者密送抄送的邮件
http://blog.csdn.net/mubingyun/archive/2008/12/09/3484564.aspx
.net程序中资源文件的保护办法探讨
http://blog.csdn.net/mubingyun/archive/2008/12/09/3484567.aspx
C#利用代理(proxy)爬网
http://blog.csdn.net/mubingyun/archive/2008/10/31/3194288.aspx
sql生成100W条指定位数的随机数的方法(只花费了不足1分钟)(整理)
http://blog.csdn.net/mubingyun/archive/2008/10/21/3115456.aspx