零点博客实战：C#对接EMLOG接口，用正则表达式清洗爬虫数据并筑牢SQL注入防线

昨天在更新零点博客的EMLOG文章时，发现由于手动导入了一些第三方爬虫数据，文章标签乱七八糟，全是乱码和多余符号，手动删得我想吐。于是，我决定写个C#的小脚本，配合正则表达式批量清洗，顺便讲讲怎么把数据安全地塞进MySQL数据库。这绝对是一篇能直接复用的干货。

一、爬虫数据太脏？正则表达式是救星

爬虫抓回来的数据通常是JSON格式，但在入库前，往往需要做一步数据清洗。比如我需要提取文章标题里的ID，或者把HTML标签从标签页里剔除。

这里我不讲那些虚的，直接上零点博客实战中使用的Regex（正则表达式）写法。假设我们抓取到的字符串里包含类似 <a href='12345'>文章</a> 的内容，我们需要提取数字：

string dirtyContent = "<a href='12345'>精彩文章</a>";

// 使用匹配组提取特定内容，避免手动截取字符串导致报错
System.Text.RegularExpressions.Match match = 
    System.Text.RegularExpressions.Regex.Match(dirtyContent, "href='(\d+)'", System.Text.RegularExpressions.RegexOptions.IgnoreCase);

if (match.Success)
{
    int id = int.Parse(match.Groups[1].Value);
    Console.WriteLine($"提取到的ID是：{id}");
}

博主避坑指南： 正则最难的不是写，而是转义。如果你在替换HTML实体（比如把   变成空格）时出问题，检查一下你的转义符 @ 或 \ 是否打错了。在处理大量文本时，记得用 RegexOptions.Compiled 提高性能。

二、数据清洗完了，怎么安全入库？SQL注入是老大难

清洗完数据，下一步就是操作MySQL。很多初学者喜欢把拼接好的字符串直接扔给SQL执行，这在SQL注入防护上绝对是自杀式行为。

在C#后端开发中，必须使用预处理语句（Prepared Statements）。不要问为什么，看代码：

string sql = "INSERT INTO `emlog_post` (`title`) VALUES (@title)";

// 使用using语句自动释放数据库连接，防止内存泄漏
using (MySqlConnection conn = new MySqlConnection("连接字符串"))
{
    conn.Open();
    using (MySqlCommand cmd = new MySqlCommand(sql, conn))
    {
        // 重点是这里！将参数与SQL分离
        cmd.Parameters.AddWithValue("@title", cleanedTitleFromRegex);

        int rows = cmd.ExecuteNonQuery();
        Console.WriteLine($"成功插入 {rows} 条数据");
    }
}

这样做的好处是，无论用户输入什么特殊字符（哪怕是含 ; DROP TABLE users-- 的恶意代码），正则只把它当普通文本处理，而数据库只会把它当参数，彻底切断SQL注入的路径。

三、实战复盘与总结

今天的这个脚本虽然简单，但涵盖了HTML/CSS/JS解析的基础思维（取值）以及后端安全的核心逻辑。如果你在做在线工具开发，比如文章格式转换器，核心其实就是这一套流程：

输入： 获取用户输入的文本或JSON。
处理： 利用正则表达式进行校验、替换、提取。
输出/存储： 通过接口开发与数据库交互，确保SQL注入防护到位。

如果你在搭建EMLOG主题或插件时遇到标签乱码问题，不妨照着这篇文章的逻辑重写一遍清洗逻辑。代码虽然冗长，但远比后期花时间去修bug要划算。

好了，今天的零点博客复盘就到这里，希望能帮到正在开发路上的你。