• 设为首页
  • 点击收藏
  • 手机版
    手机扫一扫访问
    迪恩网络手机版
  • 关注官方公众号
    微信扫一扫关注
    公众号

c#连续抓取页面内容

原作者: [db:作者] 来自: [db:来源] 收藏 邀请

实现功能:去一个url抓取页面,在页面的内容里面在去找另一个url。找到这个这url之后经过一系列操作后再去重组的url去抓取内容。

第一、写出c#抓取页面的代码

c#抓取页面
  1 using System;
  2 using System.Collections.Generic;
  3 using System.Linq;
  4 using System.Web;
  5 using System.IO;
  6 using System.Net;
  7 using System.Text;
  8 
  9 /// <summary>
 10 ///abc 的摘要说明
 11 /// </summary>
 12 public static class abc
 13 {
 14     /// <summary>
 15     /// webRequest 模拟http get请求
 16     /// </summary>
 17     /// <param name="strUrl">请求的url</param>
 18     /// <param name="encoding">编码</param>
 19     /// <returns>返回字符串</returns>
 20     public static string GetHttpResponse(this string strUrl, Encoding encoding)
 21     {
 22         string strResult = string.Empty;
 23         try
 24         {
 25             HttpWebRequest myReq = (HttpWebRequest)HttpWebRequest.Create(strUrl);
 26             HttpWebResponse HttpWResp = (HttpWebResponse)myReq.GetResponse();
 27             Stream myStream = HttpWResp.GetResponseStream();
 28             StreamReader sr = new StreamReader(myStream, encoding);
 29             strResult = sr.ReadToEnd();
 30 
 31         }
 32         catch (Exception ex)
 33         {
 34             WriteLog(ex.Message, strUrl);
 35         }
 36 
 37         return strResult;
 38     }
 39 
 40     /// <summary>
 41     /// webRequest 模拟http post请求
 42     /// </summary>
 43     /// <param name="url">请求的url</param>
 44     /// <param name="val">post 的数据</param>
 45     /// <returns>返回字符串</returns>
 46     public static string GetHttpPostResponse(this string url, string val, Encoding encoding)
 47     {
 48         string strResult = string.Empty;
 49         try
 50         {
 51             HttpWebRequest myReq = (HttpWebRequest)HttpWebRequest.Create(url);
 52             myReq.Method = "Post";
 53             myReq.ContentType = "application/x-www-form-urlencoded";
 54             byte[] byteArray = encoding.GetBytes(val);
 55             myReq.ContentLength = byteArray.Length;
 56             Stream stream = myReq.GetRequestStream();
 57             stream.Write(byteArray, 0, byteArray.Length);
 58             stream.Close();
 59             HttpWebResponse HttpWResp = (HttpWebResponse)myReq.GetResponse();
 60             Stream myStream = HttpWResp.GetResponseStream();
 61             StreamReader sr = new StreamReader(myStream, encoding);
 62             strResult = sr.ReadToEnd();
 63 
 64         }
 65         catch (Exception ex)
 66         {
 67             WriteLog(ex.Message + val, url);
 68         }
 69 
 70         return strResult;
 71     }
 72 
 73     public static void WriteLog(string sLog, string titleLog)
 74     {
 75         try
 76         {
 77             string logPath = System.AppDomain.CurrentDomain.BaseDirectory;//目录位置
 78 
 79             DateTime dt = DateTime.Now;
 80             string logfile = new StringBuilder(logPath).Append("\\Log\\").Append(dt.ToString("yyyy-MM-dd")).Append("\\").Append(titleLog).Append("_").Append(dt.ToString("yyyyMMddHHmmss")).Append(".txt").ToString();
 81             if (!System.IO.Directory.Exists(System.IO.Path.GetDirectoryName(logfile)))
 82             {
 83                 System.IO.Directory.CreateDirectory(System.IO.Path.GetDirectoryName(logfile));
 84             }
 85             if (!File.Exists(logfile))
 86             {
 87                 FileStream fs = System.IO.File.Create(logfile);
 88                 fs.Close();
 89             }
 90             using (StreamWriter sw = new StreamWriter(logfile, true))
 91             {
 92                 sw.WriteLine(DateTime.Now.ToString("yyyy-MM-dd HH:mm:ss") + ":");
 93                 sw.WriteLine(sLog);
 94                 sw.WriteLine();
 95                 sw.Close();
 96             }
 97         }
 98         catch
 99         {
100 
101         }
102     }
103 }


第二、调用里面的方法GetHttpResponse去抓取页面(注这是get方式,如果是post方式可以选择post方式)

第三、用正则匹配方式得到想要的URL(Match mc = Regex.Match(aa, "action=(.*)>", RegexOptions.IgnoreCase);)

第四、由于此时得到URL是经过浏览器处理的URL如果我们直接去抓取页面就会找不到页面。因为此时的URL的协议是Https协议。所以我们需要中间做一次跳转。

首先还是去抓aa = abc.GetHttpResponse(str, Encoding.UTF8);得到的URL里有一个将要跳转到的url目录。我们需要将主域名+刚刚得到的这个目录。

第五、然后再去抓取。就可以得到我们想要的内容!


鲜花

握手

雷人

路过

鸡蛋
该文章已有0人参与评论

请发表评论

全部评论

专题导读
上一篇:
RedhatLinux下使用wget下载oracle12cdatabasesoftware发布时间:2022-07-13
下一篇:
C#winform只有一个进程发布时间:2022-07-13
热门推荐
阅读排行榜

扫描微信二维码

查看手机版网站

随时了解更新最新资讯

139-2527-9053

在线客服(服务时间 9:00~18:00)

在线QQ客服
地址:深圳市南山区西丽大学城创智工业园
电邮:jeky_zhao#qq.com
移动电话:139-2527-9053

Powered by 互联科技 X3.4© 2001-2213 极客世界.|Sitemap