用AngleSharp & LINQPad抓取分析博客园排行榜

技术分享 2年前 (2023-02-13) 0 999+

关注

AngleSharp简单介绍

AngleSharp 是一个 .NET 库
使您能够解析基于尖括号的超文本，如HTML、SVG、MathML、XML
AngleSharp的一个重要方面是CSS也可以解析。
同时还是开源，免费的

Github: https://github.com/AngleSharp/AngleSharp
使用文档: https://anglesharp.github.io/

开发工具的推荐`LINQPad`

介绍：一个小巧，打开秒速，随时能写C#，不至于灵感快速流失的小工具
下载地址：https://www.linqpad.net/
有免费版，基本功能已经够用。我们公司买了它的Premium版。

AngleSharp 代码实操

实操前一些分享一些C#的知识点

如何快速发送网络请求获取到数据呢?

可以用如下：
1、HttpWebRequest
2、WebClient
3、HttpClient
4、RestSharp
5、Flurl

本期重点用HttpClient来实现

起手式

引用NuGet包: Install-Package AngleSharp

使用场景案例

获取博客园排行榜的Html并且解析

IConfiguration config = Configuration.Default.WithDefaultLoader(); string address = "https://www.cnblogs.com/aggsite/SideRight"; IBrowsingContext context = BrowsingContext.New(config); IDocument document = await context.OpenAsync(address); IHtmlCollection<IElement> side_right = document.QuerySelectorAll("div");  side_right.Select(m => new {          title = m.QuerySelector(".card-title a")?.TextContent,         url = m.QuerySelectorAll("ul li").Select(x => x.TextContent)        })        .Where(x => x.title != null)        .Dump();

通过上面代码快速就能分析且快速抓取博客园的排行榜，简单，快速，高效代码少，有没有觉得Linq语法糖配合请求一些框架的强大呢，朋友们

效果图

既然都能抓取数据了，接下来就是爬虫最重要的分析啦

2.分析博客园每天什么时候发博客看的人数最多,点赞的人数最多,星期几发文章多，哪个大佬发文章多

获取数据的方法

通过HttpClient加上Linq加上AngleSharp实现请求获取Hmtl => 保存Json => 分析Json 生成有价值的图表

public void GetData() {  var http = new HttpClient();  var parser = new HtmlParser();   File.WriteAllText(@"C:UsersQYMDesktopOfficFileBlogData.json", JsonConvert.SerializeObject(Enumerable.Range(1, 200)      .AsParallel()      .AsOrdered()      .SelectMany(page =>      {       var content = new StringContent(JsonConvert.SerializeObject(new       {        CategoryId = "808",        CategoryType = "SiteHome",        ItemListActionName = "AggSitePostList",        PageIndex = $"{page}",        ParentCategoryId = "0",        TotalPostCount = "4000"       }), Encoding.UTF8, "application/json");        var resp = http.PostAsync("https://www.cnblogs.com/AggSite/AggSitePostList", content).Result;        var document = parser.ParseDocument(resp.Content.ReadAsStringAsync().GetAwaiter().GetResult());         return document?.QuerySelectorAll("article").Select(pageContext =>       {        return new        {         Url = pageContext.QuerySelector(".post-item-text a").GetAttribute("href").Trim(),         Title = pageContext.QuerySelector(".post-item-text a").TextContent.Trim(),         Context = pageContext.QuerySelector(".post-item-text p").TextContent.Trim(),         Name = pageContext.QuerySelector("footer a").TextContent.Trim(),         DateTime = DateTime.Parse(pageContext.QuerySelector("footer .post-meta-item").TextContent),         LookOK = pageContext.QuerySelector("footer .post-meta-item+a span").TextContent.Trim(),         LookPerson = pageContext.QuerySelector("footer .post-meta-item+a+a+a span").TextContent.Trim()        };       });      }), Newtonsoft.Json.Formatting.Indented)); }

效果图

获取博客园200页数据

读取数据并且调用LinqPad 自带的Chart图表方法进行分析

public void ReadData() {  var data = JsonConvert.DeserializeObject<List<BlogJsonData>>(File.ReadAllText(@"C:UsersQYMDesktopOfficFileBlogData.json"));   Util.Chart(data  .GroupBy(x => x.DateTime.Hour)  .Select(x => new { Hour = x.Key, ViewCount = 1.0 * x.Sum(v => v.LookPerson) })  .OrderByDescending(x => x.Hour),  x => x.Hour,  y => y.ViewCount, Util.SeriesType.Bar).Dump("时间段观看人数最多");   Util.Chart(data  .GroupBy(x => x.DateTime.Hour)  .Select(x => new { Hour = x.Key, ViewCount = 1.0 * x.Sum(v => v.LookOk) })  .OrderByDescending(x => x.Hour),  x => x.Hour,  y => y.ViewCount, Util.SeriesType.Bar).Dump("时间段点赞人数最多");   Util.Chart(data   .GroupBy(x => x.DateTime.DayOfWeek)   .Select(x => new { WeekDay = x.Key, ArticleCount = x.Count() })   .OrderBy(x => x.WeekDay),  x => x.WeekDay.ToString(),  y => y.ArticleCount, Util.SeriesType.Bar).Dump("星期几发文章最多");   Util.Chart(data   .GroupBy(x => x.Name)   .Select(x => new { UserName = x.Key, ArticleCount = x.Count() })   .OrderByDescending(x => x.ArticleCount)   .Take(9),  x => x.UserName,  y => y.ArticleCount,  Util.SeriesType.Bar).Dump("哪个大佬发文章比较多");  }

效果图

源文件Json

分析数据的实体

public class BlogJsonData {  public string Url { get; set; }  public string Title { get; set; }  public string Context { get; set; }  public string Name { get; set; }  public DateTime DateTime { get; set; }  public int LookOk { get; set; }  public int LookPerson {get;set;} }

接下来就是见证奇迹的时候，通过分析抓取到html,保存成Json分析出一些意想不到的图表