首页 / C# / C# .net 抓取网页内容

C# .net 抓取网页内容

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了C# .net 抓取网页内容，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含5335字，纯文字阅读大概需要8分钟。

内容图文

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。

[c-sharp] view plaincopy
  1. private string GetGeneralContent(string strUrl)  
  2.     {  
  3.         string strMsg = string.Empty;  
  4.         try  
  5.         {  
  6.             WebRequest request = WebRequest.Create(strUrl);  
  7.             WebResponse response = request.GetResponse();  
  8.             StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.GetEncoding("gb2312"));  
  9.   
  10.             strMsg = reader.ReadToEnd();  
  11.   
  12.             reader.Close();  
  13.             reader.Dispose();  
  14.             response.Close();  
  15.         }  
  16.         catch  
  17.         { }  
  18.         return strMsg;  
  19.     }  

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

[c-sharp] view plaincopy
  1. private string GetFileContent(string strUrl)  
  2.     {  
  3.         string strMsg = string.Empty;  
  4.         try  
  5.         {  
  6.             WebRequest request = WebRequest.Create(strUrl);   
  7.             WebResponse response = request.GetResponse();   
  8.             Stream reader = response.GetResponseStream();   
  9.               
  10.             //可根据实际保存为具体文件  
  11.             FileStream writer = new FileStream("D://logo.gif", FileMode.OpenOrCreate, FileAccess.Write);   
  12.             byte[] buff = new byte[512];   
  13.             int c = 0; //实际读取的字节数   
  14.             while ((c=reader.Read(buff, 0, buff.Length)) > 0)   
  15.             {   
  16.                 writer.Write(buff, 0, c);   
  17.             }   
  18.             writer.Close();   
  19.             writer.Dispose();   
  20.                
  21.             reader.Close();   
  22.             reader.Dispose();   
  23.             response.Close();  
  24.   
  25.             strMsg = "保存成功";  
  26.         }  
  27.         catch  
  28.         { }  
  29.         return strMsg;  
  30.     }  

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：

[c-sharp] view plaincopy
  1. private string GetPostContent(string strUrl)  
  2.    {  
  3.        string strMsg = string.Empty;  
  4.        try  
  5.        {  
  6.            string data = "userName=admin&passwd=admin888";   
  7.            byte[] requestBuffer = System.Text.Encoding.GetEncoding("gb2312").GetBytes(data);  
  8.   
  9.            WebRequest request = WebRequest.Create(strUrl);  
  10.            request.Method = "POST";   
  11.            request.ContentType = "application/x-www-form-urlencoded";   
  12.            request.ContentLength = requestBuffer.Length;  
  13.            using (Stream requestStream = request.GetRequestStream())   
  14.            {   
  15.                requestStream.Write(requestBuffer, 0, requestBuffer.Length);   
  16.                requestStream.Close();   
  17.            }  
  18.   
  19.            WebResponse response = request.GetResponse();  
  20.            using (StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.GetEncoding("gb2312")))   
  21.            {  
  22.                strMsg = reader.ReadToEnd();   
  23.                reader.Close();   
  24.            }  
  25.        }  
  26.        catch  
  27.        { }  
  28.        return strMsg;  
  29.    }  

 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：

[c-sharp] view plaincopy
  1. 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。

 

[c-sharp] view plaincopy
  1. System.Net.CookieContainer cc = new System.Net.CookieContainer();   
  2. request.CookieContainer = cc;   
  3. 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。

[c-sharp] view plaincopy
  1. Session.Add("ccc", cc); //存   
  2. CookieContainer cc = (CookieContainer)Session["ccc"]; //取  

 如：

[c-sharp] view plaincopy
  1. HttpWebRequest request = (HttpWebRequest)HttpWebRequest.Create(strUrl);  
  2.               
  3.             //同一页面  
  4.             //HttpWebRequest request2 = (HttpWebRequest)HttpWebRequest.Create(strUrl);  
  5.             //System.Net.CookieContainer cc = new CookieContainer();  
  6.             //request.CookieContainer = cc;  
  7.             //request2.CookieContainer = cc;  
  8.             //不同页面,具体使用时需要将request,request2分开  
  9.             object obj = Session["ccc"];  
  10.             if (obj == null)  
  11.             {  
  12.                 CookieContainer cc = new CookieContainer();  
  13.                 //requestr的保存  
  14.                 Session.Add("ccc", cc);  
  15.             }  
  16.             string strUrl2 = "";  
  17.             HttpWebRequest request2 = (HttpWebRequest)HttpWebRequest.Create(strUrl2);  
  18.             //取出来  
  19.             CookieContainer cc2 = (CookieContainer)Session["ccc"];  
  20.             request2.CookieContainer = cc2;  
  21.             //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。

 

[c-sharp] view plaincopy
  1. WebRequest request = WebRequest.Create("url");  
  2.        request.Headers.Add(HttpRequestHeader.Cookie, "ASPSESSIONIDSCATBTAD=KNNDKCNBONBOOBIHHHHAOKDM;");  
  3.        WebResponse response = request.GetResponse();  
  4.        StreamReader reader = new StreamReader(response.GetResponseStream(), System.Text.Encoding.GetEncoding("gb2312"));  
  5.        Response.Write(reader.ReadToEnd());  
  6.        reader.Close();  
  7.        reader.Dispose();  
  8.        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

[c-sharp] view plaincopy
  1. HttpWebRequest request = (HttpWebRequest)HttpWebRequest.Create("http://127.0.0.1/index.htm");   
  2. request.Referer = "http://www.csdn.net/";  
  3. request.UserAgent = "要设置的标头";  
  4. //下一步的处理  

 

 源：http://www.cftea.com/c/2008/07/B0AUNSSUA1NQCVIF.asp

原文：http://www.cnblogs.com/fangl/p/4748783.html

内容总结

以上是互联网集市为您收集整理的C# .net 抓取网页内容全部内容，希望文章能够帮你解决C# .net 抓取网页内容所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/1051443.html

来源：【匿名】