ASP.NET 抓取网页内容
2010-11-05 15:23
471 查看
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、StreamReader。
WebRequest、WebResponse
的名称空间是：
System.Net
StreamReader
的名称空间是：
System.IO
核心代码
WebRequest request = WebRequest.Create("http://www.cftea.com/");
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
<%@ 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">
<script runat="server">
void Page_Load(object sender, EventArgs e)
{
try
{
WebRequest request = WebRequest.Create("http://www.cftea.com/");
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;
}
}
</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>
ASP.NET
抓取网页内容－图片
本文不仅适用于图片，同样实用于其它二进制文件。
需要四个类：WebRequest、WebResponse、Stream、FileStream。
WebRequest、WebResponse
的名称空间是：
System.Net
Stream、FileStream
的名称空间是：
System.IO
核心代码
WebRequest request = WebRequest.Create("http://www.cftea.com/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();
注意类 Stream，不是 StreamReader。
示例
<%@ 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">
<script runat="server">
void Page_Load(object sender, EventArgs e)
{
try
{
WebRequest request = WebRequest.Create("http://www.cftea.com/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;
}
}
</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>
ASP.NET
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：
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();
}
以上是以编码 gb2312
为例。
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。
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：
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。
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。
Session.Add("ccc", cc); //存
CookieContainer cc = (CookieContainer)Session["ccc"]; //取
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。
WebRequest request = WebRequest.Create("url");
request.Headers.Add(HttpRequestHeader.Cookie, "ASPSESSIONIDSCATBTAD=KNNDKCNBONBOOBIHHHHAOKDM;");
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。
ASP.NET
抓取网页内容－如何更改来源 Referer
和 UserAgent
HttpWebRequest request =
(HttpWebRequest)HttpWebRequest.Create("http://127.0.0.1/index.htm");
//request.Headers.Add(HttpRequestHeader.Referer, "http://www.cftea.com/"); //
错误
//request.Headers[HttpRequestHeader.Referer] = "http://www.cftea.com/"; //
错误
request.Referer = "http://www.cftea.com/"; //
正确
注释掉的两句是不对的，会发生错误：
此标头必须使用适当的属性进行修改。
参数名: name
UserAgent
类似。
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、StreamReader。
WebRequest、WebResponse
的名称空间是：
System.Net
StreamReader
的名称空间是：
System.IO
核心代码
WebRequest request = WebRequest.Create("http://www.cftea.com/");
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
<%@ 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">
<script runat="server">
void Page_Load(object sender, EventArgs e)
{
try
{
WebRequest request = WebRequest.Create("http://www.cftea.com/");
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;
}
}
</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>
ASP.NET
抓取网页内容－图片
本文不仅适用于图片，同样实用于其它二进制文件。
需要四个类：WebRequest、WebResponse、Stream、FileStream。
WebRequest、WebResponse
的名称空间是：
System.Net
Stream、FileStream
的名称空间是：
System.IO
核心代码
WebRequest request = WebRequest.Create("http://www.cftea.com/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();
注意类 Stream，不是 StreamReader。
示例
<%@ 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">
<script runat="server">
void Page_Load(object sender, EventArgs e)
{
try
{
WebRequest request = WebRequest.Create("http://www.cftea.com/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;
}
}
</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>
ASP.NET
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：
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();
}
以上是以编码 gb2312
为例。
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。
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：
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。
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。
Session.Add("ccc", cc); //存
CookieContainer cc = (CookieContainer)Session["ccc"]; //取
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。
WebRequest request = WebRequest.Create("url");
request.Headers.Add(HttpRequestHeader.Cookie, "ASPSESSIONIDSCATBTAD=KNNDKCNBONBOOBIHHHHAOKDM;");
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。
ASP.NET
抓取网页内容－如何更改来源 Referer
和 UserAgent
HttpWebRequest request =
(HttpWebRequest)HttpWebRequest.Create("http://127.0.0.1/index.htm");
//request.Headers.Add(HttpRequestHeader.Referer, "http://www.cftea.com/"); //
错误
//request.Headers[HttpRequestHeader.Referer] = "http://www.cftea.com/"; //
错误
request.Referer = "http://www.cftea.com/"; //
正确
注释掉的两句是不对的，会发生错误：
此标头必须使用适当的属性进行修改。
参数名: name
UserAgent
类似。
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- ASP.NET抓取网页内容的实现方法
- ASP.NET 中抓取网页内容 并出现服务器提交了协议冲突. Section=ResponseHeader 解决方案
- ASP.NET 抓取网页内容－Post 数据
- C# asp.net 抓取需要登录的网页内容 抓取asp.net登录验证的网站
- ASP.NET中网页内容，图片及连接 抓取通用类
- ASP.NET 抓取网页内容
- ASP.NET抓取网页内容
- asp.net 网页抓取内容
- ASP.NET 抓取网页内容
- ASP.NET 抓取网页内容
- ASP.NET 抓取网页内容
- ASP.NET 抓取网页内容
- ASP.NET抓取网页内容的实现方法
- ASP.NET 抓取网页内容
- ASP.NET 抓取网页内容 (转载)
- Asp.Net 之 抓取网页内容
- ASP.NET 抓取网页内容
- ASP.NET抓取网页内容的实现方法
- ASP.NET抓取网页内容的方法
- asp.net 网页抓取内容