1、抓取一般內容
需要三個類:WebRequest、WebResponse、StreamReader
所需命名空間:System.Net、System.IO
核心代碼:
view plaincopy to clipboardprint?
複製代碼 代碼如下:WebRequest request = WebRequest.Create("http://www.jb51.net/");
WebResponse response = request.GetResponse();
StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.GetEncoding("gb2312"));
WebRequest 類的 Create 為靜態方法,參數為要抓取的網頁的網址;
Encoding 指定編碼,Encoding 中有屬性 ASCII、UTF32、UTF8 等全球通用的編碼,但沒有 gb2312 這個編碼屬性,所以我們使用 GetEncoding 獲得 gb2312 編碼。
樣本:
view plaincopy to clipboardprint?
複製代碼 代碼如下:<%@ 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>抓取網頁內容 - 千一網路</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 抓取網頁內容-圖片
需要四個類:WebRequest、WebResponse、Stream、FileStream。
樣本:
view plaincopy to clipboardprint?
複製代碼 代碼如下:<%@ 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; //實際讀取的位元組數
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 = "儲存成功!";
}
catch (Exception ex)
{
tb.Text = ex.Message;
}
}
// --></mce:script>
<html xmlns="http://www.w3.org/1999/xhtml" >
<head runat="server">
<title>抓取網頁圖片並儲存 - 千一網路</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 抓取網頁內容-Post 資料
在抓取網頁時,有時候,需要將某些資料通過 Post 的方式發送到伺服器,將以下代碼添加在網頁抓取的程式中,以實現將使用者名稱和密碼 Post 到伺服器
view plaincopy to clipboardprint?
複製代碼 代碼如下: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 抓取網頁內容-防止重新導向
在抓取網頁時,成功登入伺服器應用系統後,應用系統可能會通過 Response.Redirect 將網頁進行重新導向,如果不需要響應這個重新導向,那麼,我們就不要把 reader.ReadToEnd() 給 Response.Write 出來,就可以了。
5 抓取網頁內容-保持登入狀態
利用 Post 資料成功登入伺服器應用系統後,就可以抓取需要登入的頁面了,那麼我們就可能需要在多個 Request 間保持登入狀態。
首先,我們要使用 HttpWebRequest,而不是 WebRequest。
與 WebRequest 相比,變化的代碼是:
view plaincopy to clipboardprint?
複製代碼 代碼如下:HttpWebRequest request = (HttpWebRequest)HttpWebRequest.Create(url);
注意:HttpWebRequest.Create 返回的類型仍是 WebRequest,所以要轉化一下。
其次,使用 CookieContainer。
view plaincopy to clipboardprint?
複製代碼 代碼如下:System.Net.CookieContainer cc = new System.Net.CookieContainer();
request.CookieContainer = cc;
request2.CookieContainer = cc;
這樣 request 和 request2 之間就使用了相同的 Session,如果 request 登入了,那麼 request2 也是登入狀態。
最後,如何在不同的頁面間使用同一個 CookieContainer。
要在不同的頁面間使用同一個 CookieContainer,只有把 CookieContainer 加入 Session。
複製代碼 代碼如下:view plaincopy to clipboardprint?
Session.Add("ccc", cc); //存
CookieContainer cc = (CookieContainer)Session["ccc"]; //取
5 抓取網頁內容-把當前會話帶到 WebRequest 中
比如說瀏覽器 B1 去訪問伺服器端 S1,這會產生一個會話,而伺服器端 S2 再用 WebRequest 去訪問伺服器端 S1,這又會產生一個會話。現在的需求是讓 WebRequest 使用瀏覽器 B1 與 S1 之間的會話,也就是說要讓 S1 認為是 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?
複製代碼 代碼如下: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();
要說明的是:
本文並不是 Cookie 欺騙,因為 SessionID 是 S1 告訴 S2 的,並不是 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 必須要向 B1 寫 Session,這樣 SessionID 才會儲存到 Cookie 中,並且 SessionID 才會保持不變。
在 ASP.NET 中取 Cookie 用 Request.Cookies,本文假設 Cookie 已經取出來。
不同的伺服器端語言,SessionID 在 Cookie 中上名稱並不一樣,本文是 ASP 的 SessionID。
S1 可能不僅僅依靠 SessionID 來判斷當前登入,它可能還會輔助於 Referer、User-Agent 等,這取決於 S1 端程式的設計。
其實本文算是本連載中“保持登入狀態”的另一種方法。
6 抓取網頁內容-如何更改來源 Referer 和 UserAgent
view plaincopy to clipboardprint?
複製代碼 代碼如下: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/"); // 錯誤
//request.Headers[HttpRequestHeader.Referer] = "http://www.jb51.net/"; // 錯誤
<SPAN class=caution>request.Referer</SPAN> = "http://www.jb51.net/"; // 正確
注釋掉的兩句是不對的,會發生錯誤:
view plaincopy to clipboardprint?
此標題必須使用適當的屬性進行修改。
參數名: name
此標題必須使用適當的屬性進行修改。參數名: name
UserAgent 類似。