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：

view plaincopy to clipboardprint?

代码如下:

WebRequest request = WebRequest.Create("http://www.jb51.net/");

WebResponse response = request.GetResponse();

StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.GetEncoding("gb2312"));
 
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。

示例：

view plaincopy to clipboardprint?

代码如下:

<%@ Page Language="C#" %>

<%@ Import Namespace="System.Net" %>

<%@ Import Namespace="System.IO" %>

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">

<mce:script runat="server"><!--

    void Page_Load(object sender, EventArgs e)

    {

        try

        {

            WebRequest request = WebRequest.Create("http://www.jb51.net/");

            WebResponse response = request.GetResponse();

            StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.GetEncoding("gb2312"));  

            tb.Text = reader.ReadToEnd();  

            reader.Close();

            reader.Dispose();

            response.Close();

        }

        catch (Exception ex)

        {

            tb.Text = ex.Message;

        }

    }

// --></mce:script>

<html xmlns="http://www.w3.org/1999/xhtml" >

<head runat="server">

    <title>抓取网页内容 - 千一网络</title>

</head>

<body>

    <form id="form1" runat="server">

    <div>

    <asp:TextBox ID="tb" runat="server" Width="500" Height="300" TextMode="multiLine"></asp:TextBox>

    </div>

    </form>

</body>

</html>

2 抓取网页内容－图片

需要四个类：WebRequest、WebResponse、Stream、FileStream。

示例：

view plaincopy to clipboardprint?

代码如下:

<%@ Page Language="C#" %>

<%@ Import Namespace="System.Net" %>

<%@ Import Namespace="System.IO" %>

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">

<mce:script runat="server"><!--

    void Page_Load(object sender, EventArgs e)

    {

        try

        {

            WebRequest request = WebRequest.Create("http://www.jb51.net/images/logo.gif");

            WebResponse response = request.GetResponse();

            Stream reader = response.GetResponseStream();  

            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();  

            tb.Text = "保存成功！";

        }

        catch (Exception ex)

        {

            tb.Text = ex.Message;

        }

    }

// --></mce:script>

<html xmlns="http://www.w3.org/1999/xhtml" >

<head runat="server">

    <title>抓取网页图片并保存 - 千一网络</title>

</head>

<body>

    <form id="form1" runat="server">

    <div>

    <asp:TextBox ID="tb" runat="server" Width="500" Height="300" TextMode="multiLine"></asp:TextBox>

    </div>

    </form>

</body>

</html>

3 抓取网页内容－Post 数据

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

view plaincopy to clipboardprint?

代码如下:

string data = "userName=admin&passwd=admin888";

byte[] requestBuffer = System.Text.Encoding.GetEncoding("gb2312").GetBytes(data);  

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();

}  

using (StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.GetEncoding("gb2312")))

{

    string str = reader.ReadToEnd();

    reader.Close();

}

4  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 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：

view plaincopy to clipboardprint?

代码如下:

HttpWebRequest request = (HttpWebRequest)HttpWebRequest.Create(url);

注意：HttpWebRequest.Create 返回的类型仍是 WebRequest，所以要转化一下。

其次，使用 CookieContainer。

view plaincopy to clipboardprint?

代码如下:

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。

代码如下:

view plaincopy to clipboardprint?

Session.Add("ccc", cc); //存   

CookieContainer cc = (CookieContainer)Session["ccc"]; //取

5 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。

view plaincopy to clipboardprint?

代码如下:

WebRequest request = WebRequest.Create("url");

<SPAN class="key">request.Headers.Add(HttpRequestHeader.Cookie, "ASPSESSIONIDSCATBTAD=KNNDKCNBONBOOBIHHHHAOKDM;");</SPAN>

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。

6 抓取网页内容－如何更改来源 Referer 和 UserAgent

view plaincopy to clipboardprint?

代码如下:

SPAN class="caution">HttpWebRequest</SPAN> request = <SPAN class=caution>(HttpWebRequest)HttpWebRequest</SPAN>.Create("http://127.0.0.1/index.htm");

//request.Headers.Add(HttpRequestHeader.Referer, "http://www.jb51.net/"); // 错误

//request.Headers[HttpRequestHeader.Referer] = "http://www.jb51.net/"; // 错误

<SPAN class="caution">request.Referer</SPAN> = "http://www.jb51.net/"; // 正确
 
注释掉的两句是不对的，会发生错误：

view plaincopy to clipboardprint?
此标头必须使用适当的属性进行修改。  
参数名: name  
此标头必须使用适当的属性进行修改。参数名: name

UserAgent 类似。

C# 抓取网页内容的方法的更多相关文章

  1. ASP.NET抓取网页内容的实现方法

    这篇文章主要介绍了ASP.NET抓取网页内容的实现方法,涉及使用HttpWebRequest及WebResponse抓取网页内容的技巧,需要的朋友可以参考下 一.ASP.NET 使用HttpWebRe ...

  2. paip.抓取网页内容--java php python

    paip.抓取网页内容--java php python.txt 作者Attilax  艾龙, EMAIL:1466519819@qq.com 来源:attilax的专栏 地址:http://blog ...

  3. Asp.Net 之 抓取网页内容

    一.获取网页内容——html 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. 需要三个类:WebRequest.WebResponse.StreamRea ...

  4. ASP.NET抓取网页内容

    原文:ASP.NET抓取网页内容 一.ASP.NET 使用HttpWebRequest抓取网页内容 这种方式抓取某些页面会失败 不过,有时候我们会发现,这个程序在抓取某些页面时,是获不到所需的内容的, ...

  5. c#抓取网页内容乱码的解决方案

    写过爬虫的同学都知道,这是个很常见的问题了,一般处理思路是: 使用HttpWebRequest发送请求,HttpWebResponse来接收,判断HttpWebResponse中”Content-Ty ...

  6. ASP.NET 抓取网页内容

    (转)ASP.NET 抓取网页内容 ASP.NET 抓取网页内容-文字 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. 需要三个类:WebRequest. ...

  7. 爬虫学习一系列：urllib2抓取网页内容

    爬虫学习一系列:urllib2抓取网页内容 所谓网页抓取,就是把URL地址中指定的网络资源从网络中读取出来,保存到本地.我们平时在浏览器中通过网址浏览网页,只不过我们看到的是解析过的页面效果,而通过程 ...

  8. 使用Jsoup函数包抓取网页内容

    之前写过一篇用Java抓取网页内容的文章,当时是用url.openStream()函数创建一个流,然后用BufferedReader把这个inputstream读取进来.抓取的结果是一整个字符串.如果 ...

  9. Asp 使用 Microsoft.XMLHTTP 抓取网页内容无乱码处理，并过滤须要的内容

    Asp 使用 Microsoft.XMLHTTP 抓取网页内容.并过滤须要的内容 Asp 使用 Microsoft.XMLHTTP 抓取网页内容无乱码处理,并过滤须要的内容 演示样例源代码: < ...

随机推荐

  1. kylin的配置账号密码的加密方法

    kylin的配置账号密码的加密方法 kylin安装过程中,配置账户,其中密码是加密的.生成密码对应密文的 方法如下: import java.io.PrintStream; import org.sp ...

  2. C# GDI绘制仪表盘（纯代码实现）

    纯代码实现GDI绘制仪表盘,效果在代码下面. public partial class HalfDashboardUc : UserControl { /// <summary> /// ...

  3. Minimax-486. Predict the Winner

    Given an array of scores that are non-negative integers. Player 1 picks one of the numbers from eith ...

  4. Flask 实现 WebSocket 通讯---群聊和私聊

    一.WebSocket介绍 WebSocket是一种在单个TCP连接实现了服务端和客户端进行双向文本或二进制数据通信的一种通信的协议. WebSocket使得客户端和服务器之间的数据交换变得更加简单, ...

  5. Kafka文件存储机制

    一.topic中partition存储分布 在本地的kafka中,我们只启动一个broker,创建两个topic:single-todo和single-todo-vip ,每个topic有两个part ...

  6. js面试题-数组去重

    今天,在聊天群里看到数组去重的话题,面试者的答案如下: 参考答案如下: 程序员思维,做出如下测试: 未考虑到:1,‘1’是不同的,应该不去重 未考虑到对象 所以,参考答案只能去重基础类型 根据以往看过 ...

  7. 读Lock-Free论文实践

    论文地址:implementing Lock-Free Queue 论文大体讲的意思是:Lock-Base的程序的performance不好,并且a process inside the critic ...

  8. oracle case when 语句的用法详解

    1. CASE WHEN 表达式有两种形式 复制代码代码如下: --简单Case函数  CASE sex  WHEN '1' THEN '男'  WHEN '2' THEN '女'  ELSE '其他 ...

  9. css实现响应式九宫格效果

    1. 首先看下九宫格的效果图: 2. html代码比较简单,如下: <div class="main"> <div class="box1"& ...

  10. PKUWC 2018 铁牌记

    Day –INF: 联赛后根据分数一部分人继续停课.由于本蒟蒻撞上了狗屎运,联赛分数还行,可参加NOIWC和PKUWC,故继续停课训练.期间补全了一堆知识点,并成功翘掉期末考.(然而该还的还是要还的, ...