如何构造一个C#语言的爬虫程序

　　接下来就可以读取Web文件的内容并写入到本地文件，这可以通过一个循环方便地完成。 月落网

　　int l;
　　do
　　{
　　l = inStream.Read(buffer,0,
　　buffer.Length);
　　if(l>0)
　　outStream.Write(buffer,0,l);
　　}
 while(l>0);

　　三、多线程

字串7

　　我们用DocumentWorker类封装所有下载一个URL的操作。每当一个DocumentWorker的实例被创建，它就进入循环，等待下一个要处理的URL。下面是DocumentWorker的主循环： 月落

　　while(!m_spider.Quit )
　　{
　　m_uri = m_spider.ObtainWork();
　　m_spider.SpiderDone.WorkerBegin();
　　string page = GetPage();
　　if(page!=null)
　　ProcessPage(page);
　　m_spider.SpiderDone.WorkerEnd();
　　} 字串9

　　这个循环将一直运行，直至Quit标记被设置成了true(当用户点击"Cancel"按钮时，Quit标记就被设置成true)。在循环之内，我们调用ObtainWork获取一个URL。ObtainWork将一直等待，直到有一个URL可用--这要由其他线程解析文档并寻找链接才能获得。Done类利用WorkerBegin和WorkerEnd方法来确定何时整个下载操作已经完成。

　　从图一可以看出，蜘蛛程序允许用户自己确定要使用的线程数量。在实践中，线程的最佳数量受许多因素影响。如果你的机器性能较高，或者有两个处理器，可以设置较多的线程数量;反之，如果网络带宽、机器性能有限，设置太多的线程数量其实不一定能够提高性能。

　　四、任务完成了吗? 月落

　　利用多个线程同时下载文件有效地提高了性能，但也带来了线程管理方面的问题。其中最复杂的一个问题是：蜘蛛程序何时才算完成了工作?在这里我们要借助一个专用的类Done来判断。

　　首先有必要说明一下"完成工作"的具体含义。只有当系统中不存在等待下载的URL，而且所有工作线程都已经结束其处理工作时，蜘蛛程序的工作才算完成。也就是说，完成工作意味着已经没有等待下载和正在下载的URL。

　　Done类提供了一个WaitDone方法，它的功能是一直等待，直到Done对象检测到蜘蛛程序已完成工作。下面是WaitDone方法的代码。

月落

　　public void WaitDone()
　　{
　　Monitor.Enter(this);
　　while ( m_activeThreads>0 )
　　{
　　Monitor.Wait(this);
　　}
　　Monitor.Exit(this);
　　}

　　WaitDone方法将一直等待，直到不再有活动的线程。但必须注意的是，下载开始的最初阶段也没有任何活动的线程，所以很容易造成蜘蛛程序一开始就立即停止的现象。为解决这个问题，我们还需要另一个方法WaitBegin来等待蜘蛛程序进入"正式的"工作阶段。一般的调用次序是：先调用WaitBegin，再接着调用WaitDone，WaitDone将等待蜘蛛程序完成工作。下面是WaitBegin的代码：

　　public void WaitBegin()
　　{
　　Monitor.Enter(this);
　　while ( !m_started )
　　{
　　Monitor.Wait(this);
　　}
　　Monitor.Exit(this);
　　} 字串9

　　WaitBegin方法将一直等待，直到m_started标记被设置。m_started标记是由WorkerBegin方法设置的。工作线程在开始处理各个URL之时，会调用WorkerBegin;处理结束时调用WorkerEnd。WorkerBegin和WorkerEnd这两个方法帮助Done对象确定当前的工作状态。下面是WorkerBegin方法的代码： 字串6

　　public void WorkerBegin()
　　{
　　Monitor.Enter(this);
　　m_activeThreads++;
　　m_started = true;
　　Monitor.Pulse(this);
　　Monitor.Exit(this);
　　}

　　WorkerBegin方法首先增加当前活动线程的数量，接着设置m_started标记，最后调用Pulse方法以通知(可能存在的)等待工作线程启动的线程。如前所述，可能等待Done对象的方法是WaitBegin方法。每处理完一个URL，WorkerEnd方法会被调用： 字串7

　　public void WorkerEnd()
　　{
　　Monitor.Enter(this);
　　m_activeThreads--;
　　Monitor.Pulse(this);
　　Monitor.Exit(this);
　　}

　　WorkerEnd方法减小m_activeThreads活动线程计数器，调用Pulse释放可能在等待Done对象的线程--如前所述，可能在等待Done对象的方法是WaitDone方法。