使用C#/.NET剖析Wiki百科数据实现获取历史上的本日
创建一个webapi项目做测试使用。https://img2024.cnblogs.com/blog/1995789/202407/1995789-20240717175056457-1695176248.png 创建新控制器，搭建一个基础框架，包罗获取当天日期、wiki的哀求地址等https://img2024.cnblogs.com/blog/1995789/202407/1995789-20240717175056457-2017969710.png创建一个Http哀求帮助类以及方法，用于获取指定URL的信息https://img2024.cnblogs.com/blog/1995789/202407/1995789-20240717175056269-627415935.png 使用http哀求访问指定url，先运行一下，看看返回的内容。内容如图右边所示，现实上是一个Json数据。我们主要剖析 大事记 部分的内容，位于Json的revisions字段内https://img2024.cnblogs.com/blog/1995789/202407/1995789-20240717175056379-1969681664.png定义有关实体类，用于把收到的json数据转换为对象https://img2024.cnblogs.com/blog/1995789/202407/1995789-20240717175056249-1903649173.png根据转换的对象，可以看到对象内全部需要的内容，都在Content字段内里了。由于不知道是否存在多层结构，所以此处使用循环来遍历内容。先搭建个模子。https://img2024.cnblogs.com/blog/1995789/202407/1995789-20240717175056334-525203030.png 编写一个正则表达式，根据规律，可以辨认出，每个词条都是以[]的情势存在，而且存在嵌套内容，所以做一个数据清理，清理嵌套抽重复的数据。https://img2024.cnblogs.com/blog/1995789/202407/1995789-20240717175056060-1496650449.png剖析出来的新文本，看起来内容惬意一点了。然后我们只需要获取[]的这些词行数据，所以可以继续做个数据清理，匹配正则表达式https://img2024.cnblogs.com/blog/1995789/202407/1995789-20240717175056338-1441439925.png 根据匹配的正则表达式内容，做个遍历输出https://img2024.cnblogs.com/blog/1995789/202407/1995789-20240717175056246-1801168064.png查看输出的内容，可以看到已经被过滤乐成了：https://img2024.cnblogs.com/blog/1995789/202407/1995789-20240717175056475-1375874225.png不过默认是繁体字，咱们再完善下，做成简体字。先安装一个古老的包：ChineseConverter 有提示不消管，能用。https://img2024.cnblogs.com/blog/1995789/202407/1995789-20240717175056299-1529575335.png然后直接调用即可：string simplifiedText = ChineseConverter.Convert(繁体中文字符串, ChineseConversionDirection.TraditionalToSimplified);然后重新跑一下，可以看到繁体变成了简体了。https://img2024.cnblogs.com/blog/1995789/202407/1995789-20240717175056479-1223419301.png末了，剩下的一些括号等符号，或者特殊字符，只需要做一个全局替换即可。以及假如需要剖析其他内容，也可以自行再开发一个对应的正则表达式即可。 如需以上源码，可在个人公众号【Dotnet Dancer】背景回复“历史上的本日” 即可获取以上源码。免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]