• C# 网络爬虫框架 -Abot
  • 发布于 2个月前
  • 135 热度
    0 评论
Abot 是一个开源的 C# 网络爬虫框架,它的特点是速度快和灵活。它负责低级管道(多线程、http 请求、调度、链接解析等)。开发者只需要注册事件即可处理页面数据。

功能特性
1.免费开源
2.轻量级,速度快
3.支持定制
4.无依赖

快速开始
使用 Nuget 安装 Abot
PM> Install-Package Abot
下面是一些使用示例
private static async Task DemoSimpleCrawler()
{
    var config = new CrawlConfiguration
    {
        // 堆代码 duidaima.com
        // 爬取 10 页
        MaxPagesToCrawl = 10, 
        // 延迟 3 秒
        MinCrawlDelayPerDomainMilliSeconds = 3000  
    };
    var crawler = new PoliteWebCrawler(config);

    // 监听记录日志
    crawler.PageCrawlCompleted += PageCrawlCompleted;// 

    var crawlResult = await crawler.CrawlAsync(new Uri("https://google.com"));
}
private static async Task DemoSinglePageRequest()
{
    var pageRequester = new PageRequester(new CrawlConfiguration(), new WebContentExtractor());

    var crawledPage = await pageRequester.MakeRequestAsync(new Uri("http://google.com"));
    Log.Logger.Information("{result}", new
    {
        url = crawledPage.Uri,
        status = Convert.ToInt32(crawledPage.HttpResponseMessage.StatusCode)
    });
}
全局配置
Abot 的 Abot2.Poco.CrawlConfiguration 类有大量的配置选项, 你可以根据自己的需要进行配置。
var crawlConfig = new CrawlConfiguration();
crawlConfig.CrawlTimeoutSeconds = 100;
crawlConfig.MaxConcurrentThreads = 10;
crawlConfig.MaxPagesToCrawl = 1000;
crawlConfig.UserAgentString = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36";
crawlConfig.ConfigurationExtensions.Add("SomeCustomConfigValue1", "1111");
crawlConfig.ConfigurationExtensions.Add("SomeCustomConfigValue2", "2222");
etc...
注册事件
你可以注册 Abot的执行事件,来查看爬虫执行的每一个步骤。
crawler.PageCrawlStarting += crawler_ProcessPageCrawlStarting;
crawler.PageCrawlCompleted += crawler_ProcessPageCrawlCompleted;
crawler.PageCrawlDisallowed += crawler_PageCrawlDisallowed;
crawler.PageLinksCrawlDisallowed += crawler_PageLinksCrawlDisallowed;

用户评论