.NET Core如何實現(xiàn)定時抓取網(wǎng)站文章并發(fā)送到郵箱

小編給大家分享一下.NET Core如何實現(xiàn)定時抓取網(wǎng)站文章并發(fā)送到郵箱，希望大家閱讀完這篇文章之后都有所收獲，下面讓我們一起去探討吧！

準(zhǔn)備

作為一個持續(xù)運行的工具，沒有日志記錄怎么行，我準(zhǔn)備使用的是NLog來記錄日志，它有個日志歸檔功能非常不錯。在http請求中，由于網(wǎng)絡(luò)問題吧可能會出現(xiàn)失敗的情況，這里我使用Polly來進行Retry。使用HtmlAgilityPack來解析網(wǎng)頁，需要對xpath有一定了解。下面是詳細說明：

有不了解的組件，可以通過訪問github獲取資料。

參考文章

https://www.jb51.net/article/112595.htm

獲取&解析博客園首頁數(shù)據(jù)

我是用的是HttpWebRequest來進行http請求，下面分享一下我簡單封裝的類庫：

using System;
using System.IO;
using System.Net;
using System.Text;

namespace CnBlogSubscribeTool
{
 /// <summary>
 /// Simple Http Request Class
 /// .NET Framework >= 4.0
 /// Author:stulzq
 /// CreatedTime:2017-12-12 15:54:47
 /// </summary>
 public class HttpUtil
 {
 static HttpUtil()
 {
  //Set connection limit ,Default limit is 2
  ServicePointManager.DefaultConnectionLimit = 1024;
 }

 /// <summary>
 /// Default Timeout 20s
 /// </summary>
 public static int DefaultTimeout = 20000;

 /// <summary>
 /// Is Auto Redirect
 /// </summary>
 public static bool DefalutAllowAutoRedirect = true;

 /// <summary>
 /// Default Encoding
 /// </summary>
 public static Encoding DefaultEncoding = Encoding.UTF8;

 /// <summary>
 /// Default UserAgent
 /// </summary>
 public static string DefaultUserAgent =
  "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36"
  ;

 /// <summary>
 /// Default Referer
 /// </summary>
 public static string DefaultReferer = "";

 /// <summary>
 /// httpget request
 /// </summary>
 /// <param name="url">Internet Address</param>
 /// <returns>string</returns>
 public static string GetString(string url)
 {
  var stream = GetStream(url);
  string result;
  using (StreamReader sr = new StreamReader(stream))
  {
  result = sr.ReadToEnd();
  }
  return result;

 }

 /// <summary>
 /// httppost request
 /// </summary>
 /// <param name="url">Internet Address</param>
 /// <param name="postData">Post request data</param>
 /// <returns>string</returns>
 public static string PostString(string url, string postData)
 {
  var stream = PostStream(url, postData);
  string result;
  using (StreamReader sr = new StreamReader(stream))
  {
  result = sr.ReadToEnd();
  }
  return result;

 }

 /// <summary>
 /// Create Response
 /// </summary>
 /// <param name="url"></param>
 /// <param name="post">Is post Request</param>
 /// <param name="postData">Post request data</param>
 /// <returns></returns>
 public static WebResponse CreateResponse(string url, bool post, string postData = "")
 {
  var httpWebRequest = WebRequest.CreateHttp(url);
  httpWebRequest.Timeout = DefaultTimeout;
  httpWebRequest.AllowAutoRedirect = DefalutAllowAutoRedirect;
  httpWebRequest.UserAgent = DefaultUserAgent;
  httpWebRequest.Referer = DefaultReferer;
  if (post)
  {

  var data = DefaultEncoding.GetBytes(postData);
  httpWebRequest.Method = "POST";
  httpWebRequest.ContentType = "application/x-www-form-urlencoded;charset=utf-8";
  httpWebRequest.ContentLength = data.Length;
  using (var stream = httpWebRequest.GetRequestStream())
  {
   stream.Write(data, 0, data.Length);
  }
  }

  try
  {
  var response = httpWebRequest.GetResponse();
  return response;
  }
  catch (Exception e)
  {
  throw new Exception(string.Format("Request error,url:{0},IsPost:{1},Data:{2},Message:{3}", url, post, postData, e.Message), e);
  }
 }

 /// <summary>
 /// http get request
 /// </summary>
 /// <param name="url"></param>
 /// <returns>Response Stream</returns>
 public static Stream GetStream(string url)
 {
  var stream = CreateResponse(url, false).GetResponseStream();
  if (stream == null)
  {

  throw new Exception("Response error,the response stream is null");
  }
  else
  {
  return stream;

  }
 }

 /// <summary>
 /// http post request
 /// </summary>
 /// <param name="url"></param>
 /// <param name="postData">post data</param>
 /// <returns>Response Stream</returns>
 public static Stream PostStream(string url, string postData)
 {
  var stream = CreateResponse(url, true, postData).GetResponseStream();
  if (stream == null)
  {

  throw new Exception("Response error,the response stream is null");
  }
  else
  {
  return stream;

  }
 }


 }
}

獲取首頁數(shù)據(jù)

string res = HttpUtil.GetString(https://www.cnblogs.com);

解析數(shù)據(jù)

我們成功獲取到了html，但是怎么提取我們需要的信息（文章標(biāo)題、地址、摘要、作者、發(fā)布時間）呢。這里就亮出了我們的利劍HtmlAgilityPack，他是一個可以根據(jù)xpath來解析網(wǎng)頁的組件。

載入我們前面獲取的html：

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(html);

從上圖中，我們可以看出，每條文章所有信息都在一個class為post_item的div里，我們先獲取所有的class=post_item的div

//獲取所有文章數(shù)據(jù)項
var itemBodys = doc.DocumentNode.SelectNodes("//div[@class='post_item_body']");

我們繼續(xù)分析，可以看出文章的標(biāo)題在class=post_item_body的div下面的h4標(biāo)簽下的a標(biāo)簽，摘要信息在class=post_item_summary的p標(biāo)簽里面，發(fā)布時間和作者在class=post_item_foot的div里，分析完畢，我們可以取出我們想要的數(shù)據(jù)了：

foreach (var itemBody in itemBodys)
{
 //標(biāo)題元素
 var titleElem = itemBody.SelectSingleNode("h4/a");
 //獲取標(biāo)題
 var title = titleElem?.InnerText;
 //獲取url
 var url = titleElem?.Attributes["href"]?.Value;

 //摘要元素
 var summaryElem = itemBody.SelectSingleNode("p[@class='post_item_summary']");
 //獲取摘要
 var summary = summaryElem?.InnerText.Replace("\r\n", "").Trim();

 //數(shù)據(jù)項底部元素
 var footElem = itemBody.SelectSingleNode("div[@class='post_item_foot']");
 //獲取作者
 var author = footElem?.SelectSingleNode("a")?.InnerText;
 //獲取文章發(fā)布時間
 var publishTime = Regex.Match(footElem?.InnerText, "\\d+-\\d+-\\d+ \\d+:\\d+").Value;
 Console.WriteLine($"標(biāo)題：{title}");
 Console.WriteLine($"網(wǎng)址：{url}");
 Console.WriteLine($"摘要：{summary}");
 Console.WriteLine($"作者：{author}");
 Console.WriteLine($"發(fā)布時間：{publishTime}");
 Console.WriteLine("--------------華麗的分割線---------------");
}

運行一下：

我們成功的獲取了我們想要的信息?，F(xiàn)在我們定義一個Blog對象將它們裝起來。

public class Blog
{
 /// <summary>
 /// 標(biāo)題
 /// </summary>
 public string Title { get; set; }

 /// <summary>
 /// 博文url
 /// </summary>
 public string Url { get; set; }

 /// <summary>
 /// 摘要
 /// </summary>
 public string Summary { get; set; }

 /// <summary>
 /// 作者
 /// </summary>
 public string Author { get; set; }

 /// <summary>
 /// 發(fā)布時間
 /// </summary>
 public DateTime PublishTime { get; set; }
}

http請求失敗重試

我們使用Polly在我們的http請求失敗時進行重試，設(shè)置為重試3次。

//初始化重試器
_retryTwoTimesPolicy =
 Policy
 .Handle<Exception>()
 .Retry(3, (ex, count) =>
 {
  _logger.Error("Excuted Failed! Retry {0}", count);
  _logger.Error("Exeption from {0}", ex.GetType().Name);
 });

測試一下：

可以看到當(dāng)遇到exception是Polly會幫我們重試三次，如果三次重試都失敗了那么會放棄。

發(fā)送郵件

使用MailKit來進行郵件發(fā)送，它支持IMAP，POP3和SMTP協(xié)議，并且是跨平臺的十分優(yōu)秀。下面是根據(jù)前面園友的分享自己封裝的一個類庫：

using System.Collections.Generic;
using CnBlogSubscribeTool.Config;
using MailKit.Net.Smtp;
using MimeKit;

namespace CnBlogSubscribeTool
{
 /// <summary>
 /// send email
 /// </summary>
 public class MailUtil
 {
 private static bool SendMail(MimeMessage mailMessage,MailConfig config)
 {
  try
  {
  var smtpClient = new SmtpClient();
  smtpClient.Timeout = 10 * 1000; //設(shè)置超時時間
  smtpClient.Connect(config.Host, config.Port, MailKit.Security.SecureSocketOptions.None);//連接到遠程smtp服務(wù)器
  smtpClient.Authenticate(config.Address, config.Password);
  smtpClient.Send(mailMessage);//發(fā)送郵件
  smtpClient.Disconnect(true);
  return true;

  }
  catch
  {
  throw;
  }

 }

 /// <summary>
 ///發(fā)送郵件
 /// </summary>
 /// <param name="config">配置</param>
 /// <param name="receives">接收人</param>
 /// <param name="sender">發(fā)送人</param>
 /// <param name="subject">標(biāo)題</param>
 /// <param name="body">內(nèi)容</param>
 /// <param name="attachments">附件</param>
 /// <param name="fileName">附件名</param>
 /// <returns></returns>
 public static bool SendMail(MailConfig config,List<string> receives, string sender, string subject, string body, byte[] attachments = null,string fileName="")
 {
  var fromMailAddress = new MailboxAddress(config.Name, config.Address);
  
  var mailMessage = new MimeMessage();
  mailMessage.From.Add(fromMailAddress);
  
  foreach (var add in receives)
  {
  var toMailAddress = new MailboxAddress(add);
  mailMessage.To.Add(toMailAddress);
  }
  if (!string.IsNullOrEmpty(sender))
  {
  var replyTo = new MailboxAddress(config.Name, sender);
  mailMessage.ReplyTo.Add(replyTo);
  }
  var bodyBuilder = new BodyBuilder() { HtmlBody = body };

  //附件
  if (attachments != null)
  {
  if (string.IsNullOrEmpty(fileName))
  {
   fileName = "未命名文件.txt";
  }
  var attachment = bodyBuilder.Attachments.Add(fileName, attachments);

  //解決中文文件名亂碼
  var charset = "GB18030";
  attachment.ContentType.Parameters.Clear();
  attachment.ContentDisposition.Parameters.Clear();
  attachment.ContentType.Parameters.Add(charset, "name", fileName);
  attachment.ContentDisposition.Parameters.Add(charset, "filename", fileName);

  //解決文件名不能超過41字符
  foreach (var param in attachment.ContentDisposition.Parameters)
   param.EncodingMethod = ParameterEncodingMethod.Rfc2047;
  foreach (var param in attachment.ContentType.Parameters)
   param.EncodingMethod = ParameterEncodingMethod.Rfc2047;
  }

  mailMessage.Body = bodyBuilder.ToMessageBody();
  mailMessage.Subject = subject;

  return SendMail(mailMessage, config);

 }
 }
}

測試一下：

說明

關(guān)于抓取數(shù)據(jù)和發(fā)送郵件的調(diào)度，程序異常退出的數(shù)據(jù)處理等等，在此我就不詳細說明了，有興趣的看源碼（文末有g(shù)ithub地址）

抓取數(shù)據(jù)是增量更新的。不用RSS訂閱的原因是RSS更新比較慢。

完整的程序運行截圖：

每發(fā)送一次郵件，程序就會將記錄時間調(diào)整到今天的9點，然后每次抓取數(shù)據(jù)之后就會判斷當(dāng)前時間減去記錄時間是否大于等于24小時，如果符合就發(fā)送郵件并且更新記錄時間。

收到的郵件截圖：

截圖中的郵件標(biāo)題為13日但是郵件內(nèi)容為14日，是因為我為了演示效果，將今天（14日）的數(shù)據(jù)copy到了13日的數(shù)據(jù)里面，不要被誤導(dǎo)了。

還提供一個附件便于收集整理：

看完了這篇文章，相信你對“.NET Core如何實現(xiàn)定時抓取網(wǎng)站文章并發(fā)送到郵箱”有了一定的了解，如果想了解更多相關(guān)知識，歡迎關(guān)注億速云行業(yè)資訊頻道，感謝各位的閱讀！