C#爬虫实战：零点博客EMLOG数据采集与SQL注入深度防护指南

大家好，我是零点。在做爬虫开发这几年里，最大的感触不是代码写得有多复杂，而是如何保证数据安全落地。今天咱们不整虚的，直接用C#实战一把，聊聊如何从零开始做一个能跑通、又安全的零点博客数据采集工具，顺便把SQL注入防护这个大坑填平。

一、技术选型与准备工作

首先明确一下技术栈。前端这边，我们主要关注HTML结构解析，不涉及复杂的CSS3动画或JS交互，重点在于HTML/CSS/JS的响应数据处理。

核心工具： HttpClient (发起请求), Regex (正则表达式抓取), MySqlConnection (数据库连接), MySqlCommand (执行命令)。

二、实战：C#爬虫抓取EMLOG数据

我们要采集的是EMLOG系统的文章列表。拿到HTML源码后，正则表达式就是我们的利器。比如我们要提取文章标题和链接：

string html = httpClient.GetStringAsync(url).Result;
// 正则表达式提取标题和链接
MatchCollection matches = Regex.Matches(html, "<h3><a[^>]+>(?<title>[^<]+)</a></h3>", RegexOptions.IgnoreCase);
foreach (Match match in matches) {
    string title = match.Groups["title"].Value;
    string link = match.Value; 
    // TODO: 发起第二个请求获取文章详情
}

这一步非常关键。很多人爬虫写着写着就卡住了，往往是因为JSON/XML数据解析逻辑没理顺，或者正则写得太死板。建议大家在底层拆解时，先把网页结构拿浏览器F12看清楚，再下正则。

三、后端落地：MySQL存储与安全防护

数据抓取下来了，接下来要存进MySQL。这时候，新手最容易犯的错就是直接字符串拼接SQL，这简直是SQL注入的温床。千万别用：

// 错误示范 - 禁止这样做！
string sql = "INSERT INTO articles VALUES ('" + title + "', '" + content + "')";

下面是SQL注入防护的标准姿势——使用预处理语句：

// 正确示范 - 使用参数化查询
string sql = "INSERT INTO articles (title, content, url) VALUES (@Title, @Content, @Url)";
using (MySqlConnection conn = new MySqlConnection(connectionString)) {
    conn.Open();
    using (MySqlCommand cmd = new MySqlCommand(sql, conn)) {
        // 绑定参数，防止注入
        cmd.Parameters.AddWithValue("@Title", title);
        cmd.Parameters.AddWithValue("@Content", content);
        cmd.Parameters.AddWithValue("@Url", link);
        cmd.ExecuteNonQuery();
    }
}

看，通过参数绑定，恶意代码就会变成普通文本，完全无法执行。

四、接口开发与JSON输出

为了方便后续调用，我们可以把这个爬虫封装成一个简单的Web接口。比如用ASP.NET Core或者C#的HttpListener写一个微型服务，把爬取到的数据直接转换成JSON格式返回：

var result = new {
    code = 200,
    message = "success",
    data = articleList
};
return Json(result);

五、避坑指南与复盘

频率控制： 爬虫太猛会被封IP。建议在代码里加个随机延迟，比如Thread.Sleep(2000)。
异常处理： 网络请求总有失败的时候，用try-catch包好，别让程序直接崩了。
字符编码： 处理乱码问题，通常GB2312和UTF-8混杂，记得转码。

做爬虫开发不仅是写代码，更是对逻辑和数据安全的考验。希望这篇基于零点博客的实战笔记，能帮大家少走弯路。如果你在开发中遇到其他问题，欢迎留言讨论！