C# .net 抓取网页内容
来源:互联网 发布:淘宝秒杀图片大全 编辑:程序博客网 时间:2024/04/29 07:28
ASP.NET 中抓取网页内容是非常方便的,而其中更是解决了 ASP 中困扰我们的编码问题。
1、抓取一般内容
需要三个类:WebRequest、WebResponse、StreamReader
所需命名空间:System.Net、System.IO
核心代码:
WebRequest 类的 Create 为静态方法,参数为要抓取的网页的网址;
Encoding 指定编码,Encoding 中有属性 ASCII、UTF32、UTF8 等全球通用的编码,但没有 gb2312 这个编码属性,所以我们使用 GetEncoding 获得 gb2312 编码。
{
string strMsg = string.Empty;
try
{
WebRequest request = WebRequest.Create(strUrl);
WebResponse response = request.GetResponse();
StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.GetEncoding("gb2312"));
strMsg = reader.ReadToEnd();
reader.Close();
reader.Dispose();
response.Close();
}
catch
{ }
return strMsg;
}
2、抓取图片或其它二进制文件(如文件) 需要四个类:WebRequest、WebResponse、Stream、FileStream 所需命名空间:System.Net、System.IO 核心代码:用Stream读取
{
string strMsg = string.Empty;
try
{
WebRequest request = WebRequest.Create(strUrl);
WebResponse response = request.GetResponse();
Stream reader = response.GetResponseStream();
//可根据实际保存为具体文件
FileStream writer = new FileStream("D:\\logo.gif", FileMode.OpenOrCreate, FileAccess.Write);
byte[] buff = new byte[512];
int c = 0; //实际读取的字节数
while ((c=reader.Read(buff, 0, buff.Length)) > 0)
{
writer.Write(buff, 0, c);
}
writer.Close();
writer.Dispose();
reader.Close();
reader.Dispose();
response.Close();
strMsg = "保存成功";
}
catch
{ }
return strMsg;
}
3、抓取网页内容 POST方式 在抓取网页时,有时候,需要将某些数据通过 Post 的方式发送到服务器,将以下代码添加在网页抓取的程序中,以实现将用户名和密码 Post 到服务器:
{
string strMsg = string.Empty;
try
{
string data = "userName=admin&passwd=admin888";
byte[] requestBuffer = System.Text.Encoding.GetEncoding("gb2312").GetBytes(data);
WebRequest request = WebRequest.Create(strUrl);
request.Method = "POST";
request.ContentType = "application/x-www-form-urlencoded";
request.ContentLength = requestBuffer.Length;
using (Stream requestStream = request.GetRequestStream())
{
requestStream.Write(requestBuffer, 0, requestBuffer.Length);
requestStream.Close();
}
WebResponse response = request.GetResponse();
using (StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.GetEncoding("gb2312")))
{
strMsg = reader.ReadToEnd();
reader.Close();
}
}
catch
{ }
return strMsg;
}
4、ASP.NET 抓取网页内容-防止重定向 在抓取网页时,成功登录服务器应用系统后,应用系统可能会通过 Response.Redirect 将网页进行重定向,如果不需要响应这个重定向,那么,我们就不要把 reader.ReadToEnd() 给 Response.Write 出来,就可以了。
5、ASP.NET 抓取网页内容-保持登录状态 利用 Post 数据成功登录服务器应用系统后,就可以抓取需要登录的页面了,那么我们就可能需要在多个 Request 间保持登录状态。 首先,我们要使用 HttpWebRequest,而不是 WebRequest。 与 WebRequest 相比,变化的代码是:
注意:HttpWebRequest.Create 返回的类型仍是 WebRequest,所以要转化一下。 其次,使用 CookieContainer。
request.CookieContainer = cc;
request2.CookieContainer = cc;
这样 request 和 request2 之间就使用了相同的 Session,如果 request 登录了,那么 request2 也是登录状态。
最后,如何在不同的页面间使用同一个 CookieContainer。
要在不同的页面间使用同一个 CookieContainer,只有把 CookieContainer 加入 Session。
CookieContainer cc = (CookieContainer)Session["ccc"]; //取Session
如:
//同一页面
//HttpWebRequest request2 = (HttpWebRequest)HttpWebRequest.Create(strUrl);
//System.Net.CookieContainer cc = new CookieContainer();
//request.CookieContainer = cc;
//request2.CookieContainer = cc;
//不同页面,具体使用时需要将request,request2分开
object obj = Session["ccc"];
if (obj == null)
{
CookieContainer cc = new CookieContainer();
//requestr的保存
Session.Add("ccc", cc);
}
string strUrl2 = "";
HttpWebRequest request2 = (HttpWebRequest)HttpWebRequest.Create(strUrl2);
//取出来
CookieContainer cc2 = (CookieContainer)Session["ccc"];
request2.CookieContainer = cc2;
//再进行下一步处理
比如说浏览器 B1 去访问服务器端 S1,这会产生一个会话,而服务器端 S2 再用 WebRequest 去访问服务器端 S1,这又会产生一个会话。现在的需求是让 WebRequest 使用浏览器 B1 与 S1 之间的会话,也就是说要让 S1 认为是 B1 在访问 S1,而不是 S2 在访问 S1。
这就要利用 Cookie 了,先在 S1 中取得与 B1 的 SessionID 的 Cookie,再将这个 Cookie 告诉 S2,S2 再将 Cookie 写在 WebRequest 中。
request.Headers.Add(HttpRequestHeader.Cookie, "ASPSESSIONIDSCATBTAD=KNNDKCNBONBOOBIHHHHAOKDM;");
WebResponse response = request.GetResponse();
StreamReader reader = new StreamReader(response.GetResponseStream(), System.Text.Encoding.GetEncoding("gb2312"));
Response.Write(reader.ReadToEnd());
reader.Close();
reader.Dispose();
response.Close();
- 本文并不是 Cookie 欺骗,因为 SessionID 是 S1 告诉 S2 的,并不是 S2 窃取的,虽然有些古怪,但这可能在一些特定的应用系统中会有用。
- S1 必须要向 B1 写 Session,这样 SessionID 才会保存到 Cookie 中,并且 SessionID 才会保持不变。
- 在 ASP.NET 中取 Cookie 用 Request.Cookies,本文假设 Cookie 已经取出来。
- 不同的服务器端语言,SessionID 在 Cookie 中上名称并不一样,本文是 ASP 的 SessionID。
- S1 可能不仅仅依靠 SessionID 来判断当前登录,它可能还会辅助于 Referer、User-Agent 等,这取决于 S1 端程序的设计。
- 其实本文算是本连载中“保持登录状态”的另一种方法。
request.Referer = "http://www.csdn.net/";
request.UserAgent = "要设置的标头";
//下一步的处理
//这里是WebClient需要使用的命名空间
using System.Net;
//...
WebClient wbDown = new WebClient();
string strResult = wbDown.DownloadString("http://www.baidu.com/");
//OK,strResult就是下载到的网页源代码
//...
优点:方便,快捷,直接调用System.Net.WebClient就可以进行下载,大部分网页都可以下载下来
缺点:如果遇到需要用户名名和密码的网站,那就很麻烦了.
2.使用HttpWebRequest和HttpWebResponseusing System.Net;
using System.IO;
//引用的命名空间
string strUrl = "http://www.baidu.com/";
HttpWebRequest Request = (HttpWebRequest)WebRequest.Create(strUrl);
HttpWebResponse Response = (HttpWebResponse)Request.GetResponse();
StreamReader sr = new StreamReader(Response.GetResponseStream(), System.Text.Encoding.GetEncoding("gb2312"));
string strResult = sr.ReadToEnd();
//...
缺点:代码比较多,不太优雅,建议封装后使用.
3.使用WebBrowser
WebBrower相当于一个小型的或者 mini IE,你可以在窗体中显示这个控件,然后查看具体的网页,而前面几种却不可以.当然,如果你愿意,也可以把它隐藏起来.
i)隐藏WebBrowserstring Url = @"http://www.baidu.com/";
WebBrowser wb = new WebBrowser()
{
Url = new Uri(Url)
};
while (!wb.DocumentText.Contains("</html>"))
{
if(DialogResult.OK == MessageBox.Show("数据下载中,请稍等..."))
continue;
}
string strResult = wb.DocumentText;
//...
ii)显示WebBrowser
这个就不多说了,拖控件,改Url,你懂得.网页源代码 = 控件名.DocumentText.
优点:WebBrowser的优点有很多,比如可以查看网页的内容,特殊网页也能抓取...
缺点:拖着这么大一个控件,着实有点累赘...
- C# .net 抓取网页内容
- C# .net 抓取网页内容
- C# .net 抓取网页内容
- 使用Net/C#抓取网页内容
- C# .net 如何抓取网页内容
- C# .net 如何抓取网页内容
- C# .net 如何抓取网页内容
- C# 抓取网页内容
- C# 抓取网页内容
- c# 抓取网页内容
- 【.Net码农】C# .net 如何抓取网页内容
- c#多线程抓取网页内容
- .Net中抓取网页内容
- ASP.NET 抓取网页内容
- ASP.NET 抓取网页内容
- ASP.NET 抓取网页内容
- ASP.NET 抓取网页内容
- ASP.NET 抓取网页内容
- hadoop权威指南中的ncdc数据下载地址及命令
- 百度一下什么叫精通JAVA
- struts2+jquery+json例子解说
- MIT Scheme Edwin使用
- adb 启动应用程序
- C# .net 抓取网页内容
- jQuery验证码插件 Ajax Fancy Capcha
- Oracle 分析函数(10G)语法详解
- libgdx游戏引擎教程(六)多游戏界面的实现(二)附源码
- 选择排序
- 敏捷开发一千零一问系列之三十二:敏捷开发与野路子的区别是什么?(二)
- <The Design Philosophy of the DARPA Internet Protocols>读后感
- Linux ALSA声卡驱动之四:Control设备的创建
- C#引用C++ Dll 所有类型转换方法