C#爬虫实战：基于预处理语句的安全数据入库与EMLOG接口开发实操教程

大家好，我是零点博客的小编。最近在研究一些自动化运营的小工具，决定拿C#后端开发和MySQL数据库开刀，做一个简单的数据爬虫，把目标网站的数据清洗后写入我们自己的博客系统中。过程中踩了不少坑，特别是关于SQL注入防护这一块，很多初学者容易忽略。今天这篇长文，主要就是把这整个实操教程过程复盘给大家，全程干货，无AI套话，拒绝标题党。

一、项目背景与环境搭建

我们的目标是：用C#编写一个控制台程序，模拟浏览器请求目标网页，解析HTML中的关键信息（标题、内容、标签），最后通过接口开发将数据存储到MySQL中。为了保持通用性，我这次以PHP/EMLOG的后端思路作为兼容参考，但核心代码用C#来实现。

环境准备：.NET 6/8 SDK，MySQL数据库，一个目标网页（这里用演示数据代替）。

二、核心逻辑：爬虫的HTTP请求与JSON解析

首先是爬虫部分，这步比较基础。为了防止被反爬，我们在发送请求时，必须伪装User-Agent。

using HttpClient client = new HttpClient();
client.DefaultRequestHeaders.Add("User-Agent", "Mozilla/5.0 ...");

// 发起GET请求
HttpResponseMessage response = await client.GetAsync("https://www.example.com/article/1");
string html = await response.Content.ReadAsStringAsync();

拿到HTML字符串后，我们需要用正则表达式或者HTML解析库提取数据。这里我选用正则表达式做一个快速的底层拆解演示：

string titlePattern = @"<h1[^>]*>([^<]+)</h1>";
Match match = Regex.Match(html, titlePattern);
string title = match.Groups[1].Value.Trim();

三、避坑指南：SQL注入防护与预处理语句实操

这是本篇实操教程的重点，也是区别于新手教程的核心。很多博主直接用字符串拼接SQL，这在C#/PHP后端开发中是大忌。如果用户输入的标题包含单引号，直接拼接会导致数据库崩溃。

错误示范（千万不要学）：

string sql = $"INSERT INTO emlog_article(title) VALUES('{title}')";

在零点博客的过往分享中，我反复强调过SQL注入防护。正确的做法是使用预处理语句。数据库先编译好SQL模板，我们只负责填空。这种模式下，用户输入的单引号会被当作普通字符处理，而非指令代码。

正确做法（预处理语句）：

string sql = @"INSERT INTO emlog_article(title, content) VALUES (@Title, @Content)";

using (MySqlConnection conn = new MySqlConnection(connectionString))
{
    conn.Open();
    using (MySqlCommand cmd = new MySqlCommand(sql, conn))
    {
        // 添加参数化处理，自动转义特殊字符
        cmd.Parameters.AddWithValue("@Title", title);
        cmd.Parameters.AddWithValue("@Content", content);

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

看，这段代码不仅安全，而且性能更好。在做在线工具开发时，这种写法能规避掉90%的数据安全隐患。

四、接口开发与前端数据交互

后端数据入库后，我们需要通过接口供前端调用。在C#中，利用ASP.NET Core Web API开发接口非常方便。返回的数据格式通常是JSON/XML。

后端返回JSON：

[HttpGet("api/get-data")]
public IActionResult GetData()
{
    var data = new { id = 1, title = "测试文章", date = DateTime.Now }; 
    return Ok(data); // 自动序列化为JSON
}

前端JS调用：

fetch('/api/get-data')
  .then(response => response.json())
  .then(data => {
      console.log(data);
      // 这里可以操作DOM，更新HTML/CSS页面显示
  });

五、总结与进阶思考

通过上面的步骤，我们完成了一个从爬虫开发到数据库存储再到接口展示的完整闭环。在开发过程中，你会发现MySQL数据库的索引优化、正则表达式的编写技巧，以及C#的多线程处理，都会影响最终的执行效率。

如果你在做EMLOG二次开发或者自己的博客系统，切记不要在数据库连接字符串中硬编码密码，也不要在代码里忽略异常处理。希望这篇实操教程能帮大家少走弯路。如果有更深层的技术问题，欢迎在零点博客评论区留言讨论！