前言
从【笨笨图片批量抓取下载 v0.2 beta】到【笨笨图片批量下载器 v0.3 beta】时间将近2个月,不是说这个升级版本开发了这么久,实在是懒,呵呵: )再加有时候工作忙、学习,多的时间就不愿意动了,现在都感觉辜负了上一版n多朋友的支持了,不过这将近一个星期时间我按计划完成了这个小软件版的升级开发,并且依然和上两个版本一样保持源代码开源,文章最后有下载地址,以下是这个版本相比上个版本的特点:
1. 加入图片是否重命名。
2. 加入异步线程池控制(? 随后解释)。
3. 加入图片大小限制。
4. 加入支持指定网址内css文件内的图片下载。
5. 加入了正则表达式即时配置更改(应变正则表达式缺陷)。
6. 优化部分代码。
7. 修改部分统计错误。
感谢
1. 感谢热心回帖并提供建议的部分网友:stoneq、liyundong、寻梦e.net、caspar jiong 、laoda、lexus 等
2. 感谢google code seach,在我找不到任何我能看懂的中英文资料时(尤其是异步线程池控制),她提供了我参考代码!!
3. 感谢女朋友在精神上的莫大鼓舞!
正文
1. 和以往一样,先来一张图,然后看图说话:)
说明:界面上v0.3与v0.2差不多,剔除了图片类型复选框,如果你需要下载指定类型的图片的话,可以从 配置->设置正则表达式图片链接分析 里面直接修改匹配图片的正则表达式,最末端就是图片的文件类型了,如:(jpg|jpeg|png|ico|bmp|gif);状态栏增加了一个实际下载图片数量,可以实时的显示当前下载图片的张数;多了一个[重命名]和[下载页面包含css文件内的图片],后者就不用说明了,但是前者需要说明一下:这个地方是费了我不少时间了,我原先的重命名方案是datetime.now.tostring("yyyymmddhhmmssfff"),后来又加上了new random().next(100)和lock,都不对,显示下载图片的数量和文件夹里面的图片数量不符合,并且选择重命名和不选择重命名文件夹实际图片数相差较大,几张到几十张不等,最后改用了system.guid.newguid()至此基本正确符合,所有猜想,datetime.now和random在遇到异步多线程应该会出现脏读吧?!
栏目里面的配置,开始想的时候觉得有那么点画蛇添足的味道,但是觉得有促进和各位朋友正则表达式交流的作用而保留下来了,所以期待牛人给予友情提示:)
2. 接下来贴部分关键代码和讲解,这里只讲异步的代码,源码注释也比较多:
/// <summary>
/// 开始异步分析下载
/// </summary>
/// <param name="url"></param>
/// <param name="savepath"></param>
private void asyncanalyzeanddownload(string url, string savepath)
{
this.uristring = url;
this.savepath = savepath;
初始化全局变量
分析计时开始
using (webclient wclient = new webclient())
{
autoresetevent waiter = new autoresetevent(false);
//为异步结果返回传参
wclient.querystring.add("url", uristring);
wclient.querystring.add("isincluecssimages", _isincluecssimages.tostring());
wclient.credentials = credentialcache.defaultcredentials;
wclient.downloaddatacompleted += new downloaddatacompletedeventhandler(asyncurianalyze);
wclient.downloaddataasync(new uri(uristring), waiter);
//waiter.waitone(); //阻止当前线程,直到收到信号
}
}
说明:这里是异步分析和下载的入口,传入网址、保存路径、是否分析在css文件内的图片参数。
----------------------------------------------------------------------------------------------------------
/// 异步分析指定网址返回的数据
/// <param name="sender"></param>
/// <param name="e"></param>
protected void asyncurianalyze(object sender, downloaddatacompletedeventargs e)
autoresetevent waiter = (autoresetevent)e.userstate;
webclient nwc = sender as webclient;
bool ismatchcss = true;
bool isincluecssimages = convert.toboolean(nwc.querystring["isincluecssimages"]);
try
if (!e.cancelled && e.error == null)
{
string dndir = string.empty;
string domainname = string.empty;
string uri = nwc.querystring["url"];
if (!uri.startswith("http://") && !uri.startswith("https://"))
uri = string.concat("http://", uri);
//获得域名 http://www.sina.com
domainname = getdomain(uri);
//获得域名最深层目录 http://www.sina.com/mail/
dndir = getfullpath(domainname, uri);
//获取数据
string pagedata = encoding.utf8.getstring(e.result);
//匹配全路径
analyzecontent(regex.matches(pagedata, imagepattern), domainname, dndir);
//是否下载页面包含css文件内的图片
if (isincluecssimages)
{
//匹配css文件 //[\w=/]*((\.css){1})
matchcollection mc = regex.matches(pagedata, csspattern, regexoptions.ignorecase);
for (int i = 0, j = mc.count; i < j; i++)
{
string item = mc[i].value;
//短路径处理
if (!item.startswith("http://") && !item.startswith("https://"))
item = (item[0] == '/' ? domainname : dndir) + item;
using (webclient wclient = new webclient())
{
autoresetevent are = new autoresetevent(false);
wclient.querystring.add("url", item);
wclient.querystring.add("isover", i == j - 1 ? "1" : "0");
wclient.querystring.add("isincluecssimages", "false");
wclient.credentials = credentialcache.defaultcredentials;
wclient.downloaddatacompleted += new downloaddatacompletedeventhandler(asyncurianalyze);
wclient.downloaddataasync(new uri(item), are);
}
}
if (mc.count == 0)
ismatchcss = false;
}
}
finally
//waiter.set();
if ((isincluecssimages && !ismatchcss) || (!isincluecssimages && string.isnullorempty(nwc.querystring["isover"])) || (!string.isnullorempty(nwc.querystring["isover"]) && "1" == nwc.querystring["isover"]))
lock (slock)
#region 分析计时结束
queryperformancecounter(ref count1);
count = count1 - count;
toolstripstatuslabel1.text = "分析完毕!";
toolstripstatuslabel2.text = string.format(" | 分析耗时:{0:#.####}秒", (double)(count) / (double)freq);
#endregion
//分析完毕
isanalyzecomplete = true;
application.doevents();
说明:这部分代码是程序的主体部分之一,如果需要分析css文件内的图片,则采用递归调用本方法,analyzecontent方法为分析图片链接核心代码,这里发现比较有意思的是可以为下次接受的数据传参,即自己传给自己,这样对于判断是否分析完毕有很大便利性,代码如:wclient.querystring.add("url", item);
------------------------------------------------------------------------------------------------------
/// 分析链接
/// <param name="mc"></param>
/// <param name="domainname"></param>
/// <param name="dndir"></param>
private void analyzecontent(matchcollection mc, string domainname, string dndir)
list<string> urllist = new list<string>();
foreach (match mt in mc)
string item = mt.value;
/* 处理图片正则表达式的缺陷,即图片必须带域名,如:
* 当前正则表达式匹配http://www.icoxxx.com
* 匹配结果为http://www.ico
*/
if (item.length > 8 && item.indexof('/', 9) == -1)
continue;
//短路径处理
if (!item.startswith("http://") && !item.startswith("https://"))
item = (item[0] == '/' ? domainname : dndir) + item;
//处理../
if (item.indexof("../") != -1)
list<string> urls = new list<string>();
urls.addrange(item.split('/'));
for (int i = 0; i < urls.count; i++)
if ("..".equals(urls[i]))
urls.removerange(i - 1, 2);
i -= 2;
item = join("/", urls);
if (!urllist.contains(item))
urllist.add(item);
imgurllist.add(item);
//实时显示分析结果
addlbshowitem(item);
//边分析边下载
httpwebrequest hwr = webrequest.create(item) as httpwebrequest;
hwr.allowwritestreambuffering = false;
//hwr.readwritetimeout = 5 * 1000; //默认超时30秒
iasyncresult res = hwr.begingetresponse(new asynccallback(asyncdownload), hwr);
//加入线程池控制
threadpool.registerwaitforsingleobject(res.asyncwaithandle, new waitortimercallback(timeoutcallback), hwr, timeout, true);
说明:这块代码是分析图片链接的代码,由于正则表达式缺陷,加入了一些处理;加入了线程池控制,说到这里,关于异步线程池的控制几乎没找到中文资料,就在google code seach里面搜索到了以下代码片段:
iasyncresult res = hwr.begingetresponse(new asynccallback(asyncdownload), hwr);
具体如何测试是否加入连接池也没有深入的研究了,所以前面提到新加功能时后面打了一个问号,望资深人士帮忙分析下:)
-------------------------------------------------------------------------------------------------------------
/// 异步接受数据
/// <param name="asyncresult"></param>
public void asyncdownload(iasyncresult asyncresult)
#region 下载计时开始
lock (slock)
if (cfreq == 0l)
ccount = 0l;
queryperformancefrequency(ref cfreq);
queryperformancecounter(ref ccount);
#endregion
webrequest request = (webrequest)asyncresult.asyncstate;
string url = request.requesturi.tostring();
int indexitem = this.lbshow.items.indexof(url);
//从未下载的列表中删除已经下载的图片
imgurllist.remove(url);
webresponse response = request.endgetresponse(asyncresult);
long clength = response.contentlength;
if (clength > 0 && clength <= filesize)
using (stream stream = response.getresponsestream())
image img = image.fromstream(stream);
img.save(string.concat(savepath, "/", getfilename(url)));
img.dispose();
stream.close();
//alldone.set();
//成功下载
if (indexitem >= 0 && indexitem <= this.lbshow.items.count)
setlbshowitem(indexitem, "√ ");
else if (clength == 0l && indexitem >= 0)
setlbshowitem(indexitem, "× ");
else if (indexitem >= 0)
setlbshowitem(indexitem, "! "); //表示图片过大或过小
catch (exception)
if (indexitem >= 0)
说明:这部分代码是异步下载的代码,加入了人性化了多符号标示文件的状态。
代码注释后可讲解的就不多了,比较难的就是异步中同步数据控制,得控制好了并且尽量少,否则对性能能较大影响,大伙有兴趣的话看代码吧:)
结束
感谢能阅读到此处的网友,希望能多多交流关于异步、同步、正则表达式方面的经验,不吝赐教!在下载中可能出现其他意外情况,导致图片已经下载完毕但是下载图片的按钮不可用,状态栏显示正在下载...,持续时间超过1分钟,那么可能是哪里出了bug,呵呵!可以强制关闭然后重新启动程序下载,或者确认已经下载完毕,状态没法恢复可以从工具->初始化来重置一下。
补充
做这个小软件只有两个目的:
1. 学习交流
2. 希望能帮得到大家
希望和大家多多交流使用到的相关技术,以期能积累更多这方面的经验,谢谢大家支持!!
转载:http://www.cnblogs.com/over140/archive/2008/10/31/1322786.html