.NET从优酷专辑中采集所有视频及信息（VB.NET代码）

核心提示：夜闻香原创，转载请保留此信息，.NET从优酷专辑中采集所有视频及信息（VB.NET代码），万分感谢！ 博客: http://clso.cnblogs.com/ 主页: http://cleclso.cn/ QQ:315514678 E-mail:clso#qq.com 欢迎技术交流！因为想做一个视频点播类的网站，所以开

夜闻香原创，转载请保留此信息，万分感谢！
博客: http://clso.cnblogs.com/
主页: http://cleclso.cn/
QQ:315514678 E-mail:clso#qq.com
欢迎技术交流！


因为想做一个视频点播类的网站，所以开始研究视频采集。

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：



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







第一次准备自己写代码做网站，有没有大哥带带我，数据库好麻烦啊。>_<