C# .net 如何抓取网页内容
来源:互联网 发布:dw软件的基本 编辑:程序博客网 时间:2024/04/29 11:01
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;
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:
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。
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。
6、ASP.NET 抓取网页内容-把当前会话带到 WebRequest 中
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。
要说明的是:
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。
7、ASP.NET 抓取网页内容-如何更改来源 Referer 和 UserAgent
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。
private string GetGeneralContent(string strUrl) { 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private string GetFileContent(string strUrl) { 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:
private string GetPostContent(string strUrl) { 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:
HttpWebRequest request = (HttpWebRequest)HttpWebRequest.Create(strUrl);
注意:HttpWebRequest.Create 返回的类型仍是 WebRequest,所以要转化一下。 其次,使用 CookieContainer。
System.Net.CookieContainer cc = new System.Net.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。
Session.Add("ccc", cc); //存 CookieContainer cc = (CookieContainer)Session["ccc"]; //取Session
HttpWebRequest request = (HttpWebRequest)HttpWebRequest.Create(strUrl); //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
6、ASP.NET 抓取网页内容-把当前会话带到 WebRequest 中
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。
WebRequest request = WebRequest.Create("url"); 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();
要说明的是:
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。
7、ASP.NET 抓取网页内容-如何更改来源 Referer 和 UserAgent
HttpWebRequest request = (HttpWebRequest)HttpWebRequest.Create("http://127.0.0.1/index.htm"); request.Referer = "http://www.csdn.net/";request.UserAgent = "要设置的标头";//下一步的处理
1 0
- 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# .net 抓取网页内容
- C# .net 抓取网页内容
- C# .net 抓取网页内容
- 【.Net码农】C# .net 如何抓取网页内容
- 使用Net/C#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
- 如何写asp.net抓取网页内容的小偷程序
- 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
- 重新开始战斗16-编程之美-判断链表是否有环
- POJ 3233 Matrix Power Series 矩阵快速幂求A+A2+A3+…+Ak
- AppServ集成包安装后phpAdmin安全漏洞问题该如何解决?
- 如何创建无线ap
- POJ-2395-Out of Hay
- C# .net 如何抓取网页内容
- 淘宝将全面屏蔽外链二维码 伤及无辜的是卖家
- CSS3教程:box-sizing属性的理解
- 浏览器模式与文档模式的区别
- eclipse Android模拟器无法创建
- 解决了AlertDialog中的EditText无法调出输入法的问题
- bjam 初接触
- UNREFERENCED_PARAMETER的用处
- 安装apk到安卓(Android)模拟器