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;
            try
            {
                page = Convert.ToInt32(txtPage.Text.Trim());
            }
            catch
            { 
                MessageBox.Show("请输入数字","提示"); 
            }
            for (int i = 1; i <= page; i++)
            {
                Html = Html + GetHtml("http://www.cnblogs.com/p" + i);
            }
            Thread thread = new Thread(new ThreadStart(() =>
            {
                GetContent gc = new GetContent();
                gc.getResults += new GetContent.CnblogsEventHandler(gc_getResults);
                gc.getResult(Html);
            }
                ));
            thread.IsBackground = true;
            thread.Start();

    public class GetContent
    {
        public delegate void CnblogsEventHandler(List<CnblogsResult> results);
        public event CnblogsEventHandler getResults;
        public List<CnblogsResult> getResult(string Html)
        {
           List<CnblogsResult> results = new List<CnblogsResult>();
            Regex regexContent = new Regex("<div class="post_item_body">(?<content>.*?)<div class="clear"></div>",RegexOptions.Singleline);//获取单个随笔数据
            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
            if (regexContent.IsMatch(Html))
            {
                var blog = regexContent.Matches(Html);
                int i = 1;
                foreach (Match item in blog)
                {
                    CnblogsResult result = new CnblogsResult();
                    if (regexProperty.IsMatch(item.ToString()))
                    {
                        var Property = regexProperty.Match(item.ToString());
                        result.Title = Property.Groups["Title"].Value;
                        result.Author = Property.Groups["Author"].Value;
                        result.time = Property.Groups["time"].Value;
                        result.href = Property.Groups["href"].Value;
                        result.Rank = i;
                        i++;

                    }
                    results.Add(result);
                }
            }
            if (getResults != null)
            {
                getResults(results);
            }
            return results;
        }
    }

其中CnblogsResult是我定义的一个实体类：

public class CnblogsResult
    {
        public int Rank { get; set; }
        public string Title { get; set; }
        public string Author { get; set; }
        public string time { get; set; }
        public string href { get; set; }
    }

然后再Form类里加一段方法：

        void gc_getResults(List<CnblogsResult> results)
        {
            DataTable dt = new DataTable();
            dt.Columns.Add("Rank");
            dt.Columns.Add("Title");
            dt.Columns.Add("Author");
            dt.Columns.Add("time");
            dt.Columns.Add("href");
            foreach (var item in results)
            {
                dt.Rows.Add(item.Rank,item.Title,item.Author,item.time,item.href);
            }
            Invoke(new Action(() =>//委托主线程来完成数据绑定
            {
                dgvCnblogs.DataSource = dt;
            }
            ));
        }

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）。