一、抓取通常內容html
須要三個類：WebRequest、WebResponse、StreamReader瀏覽器
所需命名空間：System.Net、System.IO服務器
核心代碼：網絡
view plaincopy to clipboardprint?app
WebRequest request = WebRequest.Create("http://www.jb51.net/");
WebResponse response = request.GetResponse();
StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.GetEncoding("gb2312"));
Encoding 指定編碼，Encoding 中有屬性 ASCII、UTF3二、UTF8 等全球通用的編碼，但沒有 gb2312 這個編碼屬性，因此咱們使用 GetEncoding 得到 gb2312 編碼。編碼
示例：url
view plaincopy to clipboardprint?spa
<%@ 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>抓取網頁內容 - 千一網絡</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>
須要四個類：WebRequest、WebResponse、Stream、FileStream。.net
示例：設計
view plaincopy to clipboardprint?
<%@ 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; //實際讀取的字節數
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>抓取網頁圖片並保存 - 千一網絡</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>
在抓取網頁時，有時候，須要將某些數據經過 Post 的方式發送到服務器，將如下代碼添加在網頁抓取的程序中，以實現將用戶名和密碼 Post 到服務器
view plaincopy to clipboardprint?
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();
}
在抓取網頁時，成功登陸服務器應用系統後，應用系統可能會經過 Response.Redirect 將網頁進行重定向，若是不須要響應這個重定向，那麼，咱們就不要把 reader.ReadToEnd() 給 Response.Write 出來，就能夠了。
5 抓取網頁內容－保持登陸狀態
利用 Post 數據成功登陸服務器應用系統後，就能夠抓取須要登陸的頁面了，那麼咱們就可能須要在多個 Request 間保持登陸狀態。
首先，咱們要使用 HttpWebRequest，而不是 WebRequest。
與 WebRequest 相比，變化的代碼是：
view plaincopy to clipboardprint?
HttpWebRequest request = (HttpWebRequest)HttpWebRequest.Create(url);
其次，使用 CookieContainer。
view plaincopy to clipboardprint?
System.Net.CookieContainer cc = new System.Net.CookieContainer(); request.CookieContainer = cc; request2.CookieContainer = cc;
最後，如何在不一樣的頁面間使用同一個 CookieContainer。
要在不一樣的頁面間使用同一個 CookieContainer，只有把 CookieContainer 加入 Session。
view plaincopy to clipboardprint?
Session.Add("ccc", cc); //存
CookieContainer cc = (CookieContainer)Session["ccc"]; //取
好比說瀏覽器 B1 去訪問服務器端 S1，這會產生一個會話，而服務器端 S2 再用 WebRequest 去訪問服務器端 S1，這又會產生一個會話。如今的需求是讓 WebRequest 使用瀏覽器 B1 與 S1 之間的會話，也就是說要讓 S1 認爲是 B1 在訪問 S1，而不是 S2 在訪問 S1。
這就要利用 Cookie 了，先在 S1 中取得與 B1 的 SessionID 的 Cookie，再將這個 Cookie 告訴 S2，S2 再將 Cookie 寫在 WebRequest 中。
view plaincopy to clipboardprint?
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();
要說明的是：
本文並非 Cookie 欺騙，由於 SessionID 是 S1 告訴 S2 的，並非 S2 竊取的，雖然有些古怪，但這可能在一些特定的應用系統中會有用。
S1 必需要向 B1 寫 Session，這樣 SessionID 纔會保存到 Cookie 中，而且 SessionID 纔會保持不變。
在 ASP.NET 中取 Cookie 用 Request.Cookies，本文假設 Cookie 已經取出來。
不一樣的服務器端語言，SessionID 在 Cookie 中上名稱並不同，本文是 ASP 的 SessionID。
S1 可能不單單依靠 SessionID 來判斷當前登陸，它可能還會輔助於 Referer、User-Agent 等，這取決於 S1 端程序的設計。
其實本文算是本連載中「保持登陸狀態」的另外一種方法。
6 抓取網頁內容－如何更改來源 Referer 和 UserAgent
view plaincopy to clipboardprint?
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/"); // 錯誤
//request.Headers[HttpRequestHeader.Referer] = "http://www.jb51.net/"; // 錯誤
<SPAN class="caution">request.Referer</SPAN> = "http://www.jb51.net/"; // 正確
view plaincopy to clipboardprint?
此標頭必須使用適當的屬性進行修改。
參數名: name
此標頭必須使用適當的屬性進行修改。參數名: name
UserAgent 相似。