public ResultReturn pushDataToCategory([FromForm] ResultList result1)
{
try
{
{
// Lấy ra danh sách url strong start_url cần bổ sung
var urls = entities.start_url.Where(m => result1.result.Contains(m.ID)).ToList();
if (urls != null)
{
var countUrl = 0;
MyWebClient client = new MyWebClient()
{
Encoding = Encoding.UTF8
};
client.Headers[HttpRequestHeader.UserAgent] = "Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/43.0.2357.134 Safari/537.36";
foreach (var url1 in urls)
{
try
{
// Kiểm tra xem url có hợp lệ không
var urltmp = url1.url;
bool isUrl = Uri.TryCreate(urltmp, UriKind.Absolute, out Uri baseUri) &&
(baseUri.Scheme == Uri.UriSchemeHttp || baseUri.Scheme == Uri.UriSchemeHttps);
if (isUrl)
{
var myDomain = baseUri.Authority;
// Loại bỏ www ở đầu domain
myDomain = myDomain.StartsWith("www.") ? myDomain.Substring(4) : myDomain;
// lấy ra cấu hình của domain
var domains = entities.Domain.Where(domain => (myDomain == domain.Domain1 || myDomain.EndsWith("." + domain.Domain1)) &&
domain.Type == 2).ToList();
if (domains.Count > 0)
{
Domain domain = null;
foreach (Domain domaintmp in domains)
{
if (domaintmp.Domain1 == myDomain)
{
domain = domaintmp;
break;
}
}
if (domain == null)
{
domain = domains.FirstOrDefault();
}
var data = client.DownloadData(urltmp);
var contentType = client.ResponseHeaders["Content-Type"];
// Kiểm tra xem nội dung của trang web có phải là html hay không
if (contentType.StartsWith(@"text/"))
{
var jsonConfig = domain.Content;
var config = StructuredDataConfig.ParseJsonString(jsonConfig);
HtmlDocument docc = new HtmlDocument();
var html = Encoding.UTF8.GetString(data);
docc.LoadHtml(html);
var url = "";
// Chuyển link động trong trang web thành link tĩnh
HtmlNodeCollection nodes = docc.DocumentNode.SelectNodes("//a");
if (nodes != null)
{
foreach (HtmlNode node in nodes)
{
if ((node.Attributes["href"] != null) && (node.Attributes["href"].Value != ""))
{
try
{
url = node.Attributes["href"].Value.Trim();
node.Attributes["href"].Value = new Uri(baseUri, url).AbsoluteUri;
}
catch { }
}
}
}
;
html = docc.DocumentNode.InnerHtml;
// Bóc tách ra danh sách chủ đề của domain dựa vào cấu hình
var openScraping = new StructuredDataExtractor(config);
var scrapingResults = openScraping.Extract(html);
var result = JsonConvert.SerializeObject(scrapingResults, Formatting.Indented);
// Lấy ra danh sách chủ đề trong trang báo
if (scrapingResults.Count > 0)
{
var o = JObject.Parse(result);
JToken token = o["link"];
if (token != null)
{
List <url_crawl_list> listCrawl = new List <url_crawl_list>()
{
};
int count = 0;
var lsturl = token is JArray ? ((JArray)token).Select(m => m?.ToString()?.Trim()).Where(m => !string.IsNullOrWhiteSpace(m)).Distinct().ToList() : new List <string>()
{
token.ToString()
};
foreach (var valuetmp in lsturl)
{
if (valuetmp.Contains(myDomain) && valuetmp.StartsWith("http"))
{
listCrawl.Add(new url_crawl_list {
url = valuetmp, status = 1, domain = myDomain, interval = result1.interval, module = result1.module, schedule_time = DateTime.Now
});
count++;
}
}
if (count > 0)
{
countUrl++;
// Thêm danh sách url chủ đề vào bảng url_crawl_list
//entities.Database.ExecuteSqlRaw("usp_url_crawl_list_addList"
//, UrlCrawlListParameters("@urlCrawlList", listCrawl));
entities.Database.ExecuteSqlCommand(new RawSqlString("usp_url_crawl_list_addList")
, UrlCrawlListParameters("@urlCrawlList", listCrawl));
}
}
}
}
}
}
}
catch (Exception)
{
}
}
if (countUrl > 0)
{
return(new ResultReturn("Thêm thành công " + countUrl + " url !", 1));
}
return(new ResultReturn("Không thêm được url nào, vui lòng xem lại cấu hình!", -1));
}
else
{
return(new ResultReturn("Không tìm thấy bản ghi nào!", -1));
}
}
}
catch
{
return(new ResultReturn("Thêm thất bại!", -1));
}
}
// Api lấy về html của 1 trang web sau khi xử lý lại. Xóa hết javascript trong trang. CHuyển hết các link động sang tĩnh
public IActionResult Html(string url, bool javascript)
{
var urlDecode = WebUtility.UrlDecode(url);
Uri uriResult;
// Kiểm tra xem url có hợp lệ hay không
bool valid = Uri.TryCreate(urlDecode, UriKind.Absolute, out uriResult) &&
(uriResult.Scheme == Uri.UriSchemeHttp || uriResult.Scheme == Uri.UriSchemeHttps);
if (valid)
{
// Download html của trang web
var baseUri = new Uri(new Uri(urlDecode).GetLeftPart(UriPartial.Authority));
MyWebClient client = new MyWebClient();
client.Encoding = Encoding.UTF8;
client.Headers[HttpRequestHeader.UserAgent] = "Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/43.0.2357.134 Safari/537.36";
var result = client.DownloadString(urlDecode);
// CHuyển đổi từ html string sang HtmlParser
var parser = new HtmlParser();
var document = parser.ParseDocument(result);
//
IHtmlCollection <IElement> menuItems;
if (!javascript)
{
// Xóa hết các thẻ script
menuItems = document.QuerySelectorAll("script, base");
foreach (IElement item in menuItems)
{
item.Remove();
}
}
// Bắt tất cả các element có thuộc tính href
menuItems = document.QuerySelectorAll("[href]");
var urltmp = "";
foreach (IElement item in menuItems)
{
try
{
// Chuyển link động sang link tĩnh
urltmp = item.GetAttribute("href");
item.SetAttribute("href", new Uri(baseUri, urltmp).AbsoluteUri);
}
catch (Exception) { }
}
// Bắt tất cả các element có thuộc tính src
menuItems = document.QuerySelectorAll("[src]");
foreach (IElement item in menuItems)
{
try
{
// Chuyển link động sang link tĩnh
urltmp = item.GetAttribute("src");
item.SetAttribute("src", new Uri(baseUri, urltmp).AbsoluteUri);
}
catch (Exception) { }
}
// Bắt tất cả thẻ a trong trang
menuItems = document.QuerySelectorAll("a");
foreach (IElement item in menuItems)
{
try
{
// Chuyển link động sang link tĩnh
urltmp = item.GetAttribute("href");
item.SetAttribute("href", "javascript:LinkInfo(\"" + new Uri(baseUri, urltmp).AbsoluteUri + "\");");
}
catch (Exception) { }
}
// Bổ sung thêm file css, js để xử lý thêm trong trang
var element = document.CreateElement("link");
element.SetAttribute("href", "/Content/myStyle.css");
element.SetAttribute("rel", "stylesheet");
document.Head.AppendChild(element);
var body = document.Body;
element = document.CreateElement("script");
element.SetAttribute("src", "/Scripts/jquery-3.3.1.min.js");
body.Append(element);
var scriptcss = document.CreateElement("script");
scriptcss.SetAttribute("src", "/Scripts/css-selector-generator.js");
body.Append(scriptcss);
var baseurl = client.ResponseUri.ToString();
var scriptInBody = document.CreateElement("script");
scriptInBody.InnerHtml = "var url = \"" + baseurl + "\";";
body.Append(scriptInBody);
var script = document.CreateElement("script");
script.SetAttribute("src", "/Scripts/myScript.min.js");
body.Append(script);
return(PartialView((object)document.DocumentElement.OuterHtml));
}
else
{
ViewBag.Data = urlDecode;
return(View("Error"));
}
}
