利用正则表达式获取博客园随笔（三）

到昨晚为止，我们已经获取第一页的数据了，但是这是不是有很大的局限性呢？比如如果我要获取前3页的，那我是不是要改代码？我们点击第二页的时候浏览器上面是不是还是显示“http://www.cnblogs.com/”？那我们把鼠标放在第二页上，就可以发现博客园的分页方式，我们把这个地址再地址栏中输入也还是可以到达第二页，所以说我们的想法是正确的。所以我们可以再界面上加一个文本框（用来输入我们要获取的页数），然后再放一个按钮用来查询。

代码如下：

int page=1; 2             try 3             { 4                 page = Convert.ToInt32(txtPage.Text.Trim()); 5             } 6             catch 7             {  8                 MessageBox.Show("请输入数字","提示");  9             }10             for (int i = 1; i <= page; i++)11             {12                 Html = Html + GetHtml("http://www.cnblogs.com/p" + i);13             }14             Thread thread = new Thread(new ThreadStart(() =>15             {16                 GetContent gc = new GetContent();17                 gc.getResults += new GetContent.CnblogsEventHandler(gc_getResults);18                 gc.getResult(Html);19             }20                 ));21             thread.IsBackground = true;22             thread.Start();

    public class GetContent 2     { 3         public delegate void CnblogsEventHandler(List<CnblogsResult> results); 4         public event CnblogsEventHandler getResults; 5         public List<CnblogsResult> getResult(string Html) 6         { 7            List<CnblogsResult> results = new List<CnblogsResult>(); 8             Regex regexContent = new Regex("<div class=\"post_item_body\">(?<content>.*?)<div class=\"clear\"></div>", RegexOptions.Singleline);//获取单个随笔数据 9             Regex regexProperty = new Regex("<h3><a.*?href=\"(?<href>.*?)\".*?>(?<Title>.*?)</a></h3>.*?<a .*? class=\"lightblue\".*?>(?<Author>.*?)</a>.*?发布于.*?(?<time>.*?)<span",10     RegexOptions.Singleline);//获取标题、时间、链接、作者等11             if (regexContent.IsMatch(Html))12             {13                 var blog = regexContent.Matches(Html);14                 int i = 1;15                 foreach (Match item in blog)16                 {17                     CnblogsResult result = new CnblogsResult();18                     if (regexProperty.IsMatch(item.ToString()))19                     {20                         var Property = regexProperty.Match(item.ToString());21                         result.Title = Property.Groups["Title"].Value;22                         result.Author = Property.Groups["Author"].Value;23                         result.time = Property.Groups["time"].Value;24                         result.href = Property.Groups["href"].Value;25                         result.Rank = i;26                         i++;27 28                     }29                     results.Add(result);30                 }31             }32             if (getResults != null)33             {34                 getResults(results);35             }36             return results;37         }38     }

其中CnblogsResult是我定义的一个实体类：

public class CnblogsResult2     {3         public int Rank { get; set; }4         public string Title { get; set; }5         public string Author { get; set; }6         public string time { get; set; }7         public string href { get; set; }8     }

然后再Form类里加一段方法：

        void gc_getResults(List<CnblogsResult> results) 2         { 3             DataTable dt = new DataTable(); 4             dt.Columns.Add("Rank"); 5             dt.Columns.Add("Title"); 6             dt.Columns.Add("Author"); 7             dt.Columns.Add("time"); 8             dt.Columns.Add("href"); 9             foreach (var item in results)10             {11                 dt.Rows.Add(item.Rank, item.Title, item.Author, item.time, item.href);12             }13             Invoke(new Action(() =>//委托主线程来完成数据绑定14             {15                 dgvCnblogs.DataSource = dt;16             }17             ));18         }

到这里呢，我们已经可以获取任意页数的数据了（当然是整数的）。但是还是有个问题，就是如果我们要查询的页数多了，界面会处于一个假死的状态，那我们要如何避免呢？眼尖的朋友估计都看到了线程了，没错，就是通过线程方法来给gridview进行一条条数据的加载，这样界面就不会处于假死状态了。这个的话，我们就明天来探讨吧。还是那句话，大家如果有其他更好的方法，欢迎探讨。

话说这些代码里的线程、Lambda表达式、事件与委托、正则都是我当初刚参加工作的时候刚接触的时候写的，写的不好的地方大家请见谅（这之后也没怎么接触过这些东西了）。