C# 抓取网页Html源码 (网络爬虫)
2011-09-07 18:09
525 查看
刚刚完成一个简单的网络爬虫,因为在做的时候在网上像无头苍蝇一样找资料。发现了很多的资料,不过真正能达到我需要,有用的资料--代码很难找。所以我想发这篇文章让一些要做这个功能的朋友少走一些弯路。
首先是抓取Html源码,并选择<ul class="post_list"> </ul>节点的href:要添加 using System.IO;using System.Net;
好了,上面就是全部代码了,如果你想要运行出来的话,有些细节要自己修改下。
首先是抓取Html源码,并选择<ul class="post_list"> </ul>节点的href:要添加 using System.IO;using System.Net;
01 | private void Search( string url) |
02 | { |
03 | string rl; |
04 | WebRequest Request = WebRequest.Create(url.Trim()); |
05 |
06 | WebResponse Response = Request.GetResponse(); |
07 |
08 | Stream resStream = Response.GetResponseStream(); |
09 |
10 | StreamReader sr = new StreamReader(resStream,Encoding.Default); |
11 | StringBuilder sb = new StringBuilder(); |
12 | while ((rl = sr.ReadLine()) != null ) |
13 | { |
14 | sb.Append(rl); |
15 | } |
16 |
17 |
18 | string str = sb.ToString().ToLower(); |
19 |
20 | string str_get = mid(str, "<ul class=\"post_list\">" , "</ul>" ); |
21 |
22 |
23 | int start = 0; |
24 | while ( true ) |
25 | { |
26 | if (str_get == null ) |
27 | break ; |
28 | string strResult = mid(str_get, "href=\"" , "\"" , out start); |
29 | if (strResult == null ) |
30 | break ; |
31 | else |
32 | { |
33 | lab[url] += strResult; |
34 | str_get = str_get.Substring(start); |
35 | } |
36 | } |
37 | } |
38 |
39 |
40 |
41 |
42 | private string mid( string istr, string startString, string endString) |
43 | { |
44 | int iBodyStart = istr.IndexOf(startString,0); //开始位置 |
45 | if (iBodyStart == -1) |
46 | return null ; |
47 | iBodyStart += startString.Length; //第一次字符位置起的长度 |
48 | int iBodyEnd = istr.IndexOf(endString,iBodyStart); //第二次字符在第一次字符位置起的首次位置 |
49 | if (iBodyEnd == -1) |
50 | return null ; |
51 | iBodyEnd += endString.Length; //第二次字符位置起的长度 |
52 | string strResult = istr.Substring(iBodyStart,iBodyEnd - iBodyStart - 1); |
53 | return strResult; |
54 | } |
55 |
56 |
57 | private string mid( string istr, string startString, string endString, out int iBodyEnd) |
58 | { |
59 | //初始化out参数,否则不能return |
60 | iBodyEnd = 0; |
61 |
62 | int iBodyStart = istr.IndexOf(startString,0); //开始位置 |
63 | if (iBodyStart == -1) |
64 | return null ; |
65 | iBodyStart += startString.Length; //第一次字符位置起的长度 |
66 | iBodyEnd = istr.IndexOf(endString,iBodyStart); //第二次字符在第一次字符位置起的首次位置 |
67 | if (iBodyEnd == -1) |
68 | return null ; |
69 | iBodyEnd += endString.Length; //第二次字符位置起的长度 |
70 | string strResult = istr.Substring(iBodyStart,iBodyEnd - iBodyStart - 1); |
71 | return strResult; |
72 | } |
相关文章推荐
- C# 抓取网页Html源码 (网络爬虫)
- C# 抓取网页Html源码 (网络爬虫)
- C# 抓取网页Html源码 (网络爬虫)(转)
- C# 抓取网页Html源码 (网络爬虫)
- c#(winform)抓取网页源码和链接
- C#实现下载网页HTML源码的方法
- 【工作笔记0006】C#调用HtmlAgilityPack类库实现网页数据抓取
- c#怎样抓取html网页数据
- C#抓取网页数据、分析并且去除HTML标签
- 如何抓取网页数据、分析并且去除Html标签(C#)
- C#程序抓取网页源码实例(winform程序)
- C# 使用HtmlAgilityPack抓取网页信息
- 如何抓取网页数据、分析并且去除Html标签(C#)
- C#获取网页HTML源码实例
- 如何抓取网页数据、分析并且去除Html标签C#(转载)
- C#获取网页源代码,去除html标签,提取文字源码
- 基于C#实现网络爬虫 C#抓取网页Html源码
- C# 使用 Abot 实现 爬虫 抓取网页信息 源码下载
- 使用C#获取网页HTML源码的例子
- c# 去除网页源码中的HTML标记