使用CHM文档 采集随笔（续）

背景

　　上篇说到我们可以将自己的博客内随笔/文章/日记备份得到的xml 转换成CHM文档，如果我们希望将某个大牛的博客随笔全部导出，这个能不能实现呢？写在这里算是废话了，既然有了这篇博客，那么这个问题，一定是可以解决的。

资源下载

　　可执行程序

　　源代码

　　示例文档截图（路过秋天）：

　　　　　　

开发思路

　　1.根据博客园ID得到随笔类别，如地址为 http://www.cnblogs.com/cyq1162/，则博客园ID为cyq1162，请求页面http://www.cnblogs.com/cyq1162/mvc/blog/sidecolumn.aspx。请求结果如下：

     

　　通过正则匹配到该页面的链接，以某个链接为例，http://www.cnblogs.com/cyq1162/category/268820.html，其中包含cyq1162/category，基于这样的规则，我们可以得到所有的随笔分类链接。

　　2.得到随笔分类链接之后，则请求该链接的内容，得到该随笔下的所有文章链接。文章链接，以某个链接为例，http://www.cnblogs.com/cyq1162/archive/2013/03/17/2964746.html，其中包含cyq1162/archive，基于这样的规则，我们可以得到所有的文章链接。

　　3.得到文章的链接，这样就能得到文章正文。我们要获取的有文章标题、文章正文、发布时间。这里没有去尝试获取文章作者，不好获取。前面指的需要获取的3个内容，在某个明确id的节点里。这里使用了HtmlAgilityPack进行HTML解析，感觉非常方便，可以直接根据ID得到元素，然后获取它的内容。解析代码如下：

                            //下载随笔内容 替换后保存本地
                            var contentCode = GetContent(articleUrl);//获取随笔内容
                            HtmlDocument htmlCode = new HtmlDocument();
                            htmlCode.LoadHtml(contentCode);
                            var titleNode = htmlCode.GetElementbyId("cb_post_title_url");
                            var postBody = htmlCode.GetElementbyId("cnblogs_post_body");
                            var postDate = htmlCode.GetElementbyId("post-date");
                            //var topics = htmlCode.GetElementbyId("topics");
                            var localHtml = template
                       .Replace("{channelTitle}", titleNode.InnerText)//博文标题
                       .Replace("{preContent}", DownImage(postBody.InnerHtml))//博文内容
                       .Replace("{channelHref}", titleNode.GetAttributeValue("href", "#"))//博文地址
                       .Replace("{channelLink}", userId + ".cnblogs.com")//博客地址
                       .Replace("{channelAuthor}", userId);//博文作者

　　4.下一步则是编译CHM了，这里就不重复介绍了。

　　其中参考啊汉的博文 《一键构造你的博客目录》　构造了随笔目录。

　　代码逻辑就这么多，比较简单，希望大伙喜欢。如果设置首页不显示随笔分类的话，是无法采集的，若是博客引用了自定义样式，需要手动添加该样式在。有其他的问题，可以向我反馈，也可以自己下载代码调试看看。