零点博客技术复盘：用 C# 开发 EMLOG 数据抓取接口的全流程

最近在零点博客做二次开发的时候，有个棘手的需求：需要把老平台的 EMLOG 数据跑起来。如果直接用 PHP 遍历数据太慢了，于是我想到了用 C# 做后端。今天这篇文章，就把我从写爬虫、解析数据，到最后搭建一个安全的 接口开发 服务器的全过程复盘一下，干货比较多，建议收藏。

一、为什么不直接用 PHP？

其实对于 EMLOG 这种轻量级 CMS，PHP 直接查库最快。但因为我需要在纯前端展示这些数据，并且涉及到跨域问题，接口开发 的重要性就凸显出来了。我打算写一个 C# 的服务，专门负责对外提供数据。

二、第一步：爬虫逻辑与正则提取

首先得把数据拿下来。我用 HttpClient 发送请求获取 HTML 源码。拿到源码后，这里有个坑：直接正则匹配可能会导致格式错乱，所以最好是能提取 JSON/XML 格式的数据块。

// 简单的模拟请求
string html = await client.GetStringAsync("https://blog.example.com");
// 提取文章列表的正则
Regex rx = new Regex(@"<div class='post'>(.*?)</div>");
MatchCollection matches = rx.Matches(html);

在这个过程中，熟练使用 正则表达式 是效率提升的关键。但切记，如果数据量大，正则的性能不如 XML 解析器。

三、核心环节：RESTful 接口开发

拿到了数据，怎么给前端用？这时候就需要构建 接口开发 框架了。我用 ASP.NET Core 模拟了一个 RESTful API。

[HttpGet("api/articles")]
public IActionResult GetArticles()
{
    var data = ParseFromHtml(html);
    // 返回 JSON 格式数据
    return Ok(new { code = 0, data = data });
}

这里的 JSON/XML 数据解析 非常关键，确保前端能拿到纯文本结构。很多初学者在这个环节容易把 HTML 标签也传过去，前端接收到全是 HTML/CSS 混乱代码，这点一定要注意。

四、数据落地：MySQL 防注入与预处理

数据抓取后，我们需要存到本地 MySQL 数据库做缓存，提高访问速度。最容易被忽略的就是安全性。千万不要拼接 SQL 语句，必须使用预处理语句。

using (var command = connection.CreateCommand())
{
    command.CommandText = "INSERT INTO posts (title, content) VALUES (@title, @content)";
    command.Parameters.AddWithValue("@title", title);
    command.ExecuteNonQuery();
}

这样做能有效防止 SQL 注入防护 问题，这是后端开发的生命线。

五、前端对接与避坑指南

前端页面调用这个接口，拿到 JSON 后，用原生 JS 遍历渲染即可。我做了一个在线工具小页面，实时显示抓取的文章。

避坑指南：

并发问题： EMLOG 写入频繁时，爬虫要做好队列控制。
编码问题： 注意 UTF-8 编码，否则中文会乱码。