网页信息抓取.pdfVIP

之前做聊天室时，由于在聊天室中提供了新闻阅读的功能，写了一个从网页中抓取信息（如 最新的头条新闻，新闻的来源，标题，内容等）的类，本文将介绍如何使用这个类来抓取网 页中需要的信息。本文将以抓取博客园首页的博客标题和链接为例： 上图显示的是博客园首页的DOM 树，显然只需提取出class 为post_item 的div，再重 中提取出 class 为 titlelnk 的 a 标志即可。这样的功能可以通过以下函数来实现： /// summary /// 在文本html 的文本查找标志名为tagName,并且属性attrName 的值为attrValue 的所有 标志 /// 例