使用 C# 从网页中抓取 JSON

Question

这里是 C# 和运行异步任务的新手。

我正在尝试从网站上抓取一些音乐专辑信息。该网页的搜索以明文形式生成了一个 JSON 对象，但我似乎无法访问任何 DOM 信息。这是我尝试过的（使用 HtmlAgilityPack）：

using HtmlAgilityPack;
using System;
using System.Threading.Tasks;
using System.Windows.Forms;

namespace WindowsFormsApp1 {
public partial class Form1 : Form {
    public Form1() {
        InitializeComponent();
    }

    public async Task<String> AlbumScraper(string albumname) {

        HtmlWeb web = new HtmlWeb();

        string albumurl = Uri.EscapeUriString("https://www.metal-archives.com/search/ajax-album-search/?field=title&query=" + albumname);
        Console.Write(albumurl);
        var albumdoc = await Task.Factory.StartNew(() => web.Load(albumurl));
        string albumjson = "";

        if (albumdoc.DocumentNode != null) {
            albumjson = albumdoc.DocumentNode.InnerText;
        }

        return albumjson;
    }

    private async void Form1_Load(object sender, EventArgs e) {
        string rawtext = await AlbumScraper("rust+in+peace");
        Console.Write(rawtext);
    }
}
}

如何获取生成的 JSON 文本？当我加载 "albumurl" URL...

时，我可以清楚地看到它

Answer 1

可以通过在线工具生成http://json2csharp.com/ 然后将生成的 class 添加到您的代码

public class AlbumSearchResponse
    {
        public string error { get; set; }
        public int iTotalRecords { get; set; }
        public int iTotalDisplayRecords { get; set; }
        public int sEcho { get; set; }
        public List<List<string>> aaData { get; set; }
    }

将您的回复文本转换为 class

var data = JsonConvert.DeserializeObject<AlbumSearchResponse>(response);
        foreach (var item in data.aaData)
        {
            //do whatever your want with data
        }

您还需要从 nuget 添加 newtonsoft json 包才能使 JsonConvert 正常工作

Answer 2

首先你不需要HtmlAgilityPack。

其次，尝试：

using Newtonsoft.Json.Linq;

string albumurl = Uri.EscapeUriString("https://www.metal-archives.com/search/ajax-album-search/?field=title&query=rust+in+peace");
string doc = "";
using (System.Net.WebClient client = new System.Net.WebClient()) // WebClient class inherits IDisposable
{
    doc = client.DownloadString(albumurl);
}

然后你可以反序列化它 (@itikhomi)

AlbumSearchResponse data = JsonConvert.DeserializeObject<AlbumSearchResponse>(doc);

您也可以手动解析它

JObject json = JObject.Parse(doc);
string error= Convert.ToString(json["error"]);
. . .
string aaData= Convert.ToString(json["aaData"]);
JArray arr = JArray.Parse(aaData);
foreach(JToken token in arr)
{
    string[] strarr = token.ToObject<string[]>();
}

Answer 3

Metal archive 的专辑列表是通过 API 提供的，但专辑的详细信息直接放在 DOM 中。有一个用于金属存档的 .NET 标准包装器库：MetalArchivesNET.

目前只能通过名称查找band/album/song，以后将可以通过url

查找内容

使用 C# 从网页中抓取 JSON

Scrape JSON from webpage with C#

c#

html-agility-pack