一、获取网页内容——html

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"));

[1]WebRequest 类的 Create 为静态方法，参数为要抓取的网页的网址；

[2]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.baidu.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>Demo</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>

二、获取网页内容——图片（文档、压缩包等二进制文件）

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.baidu.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.baidu.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>Demo</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>

三、获取网页内容——Post 数据

　　在获取网页数据时，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：

　　以上是以编码 gb2312 为例：

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();
}

四、获取网页内容——防止重定向

　　在获取网页时，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。

五、获取网页内容——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

六、获取网页内容——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。

七、获取网页内容——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：request.UserAgent= "http://www.cftea.com/"。

Asp.Net 之 抓取网页内容相关推荐

  1. ASP.NET 抓取网页内容

    (转)ASP.NET 抓取网页内容 ASP.NET 抓取网页内容-文字 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. ...

  2. ASP.NET抓取网页内容

    原文:ASP.NET抓取网页内容 一.ASP.NET 使用HttpWebRequest抓取网页内容 这种方式抓取某些页面会失败 不过,有时候我们会发现,这个程序在抓取某些页面时,是获不到所需的内容的, ...

  3. java socket抓取资源_Java 通过 Socket 的形式抓取网页内容

    package com.hmw.net; import java.io.BufferedReader; import java.io.BufferedWriter; import java.io.IO ...

  4. python beautifulsoup抓取网页内容_利用Python和Beautiful Soup抓取网页内容

    利用Python和Beautiful Soup抓取网页内容 Posted on 2012-08-09 00:08 SamWei 阅读(381) 评论(1) 编辑 收藏 Python 3中提供了url打 ...

  5. php 抓取页面图片,php 抓取网页内容与图片的方法

    这篇文章主要介绍了关于php 抓取网页内容与图片的方法,有着一定的参考价值,现在分享给大家,有需要的朋友可以参考一下 例子1:<?php include_once("curl.php& ...

  6. php 抓取网页内容与图片

    例子1: <?phpinclude_once("curl.php");/*这个文件要自己配置好*/header("content-type:text/html;ch ...

  7. java 抓取网页内容小工具

    之超同志今天问我会不会抓网页的内容,然后把一些表格整理成excel. 好吧,我是不会的,但是我想试试,结果还是可行的. 先说说他的需求吧,他需要把http://www.zjex.com.cn/view ...

  8. php抓取网页内容，获取网页数据

    php通过simple_html_dom实现抓取网页内容,获取核心网页数据,将网页数据写入本地 xxx.json 文件 其代码实现逻辑: 1. 引入simple_html_dom.php文件 requ ...

  9. php抓取网页内容实例,详解php中抓取网页内容的实例

    php中抓取网页内容的实例详解 方法一: 使用file_get_contents方法实现$url = "http://news.sina.com.cn/c/nd/2016-10-23/doc ...

最新文章

  1. 基于FAST-RCNN深度学习的目标识别算法的MATLAB仿真
  2. Hibernate操作数据库步骤(包括语法)
  3. seaborn箱线图_Seaborn线图的数据可视化
  4. android 应用模式之mvp
  5. 银行信贷系统java_java毕业设计_springboot框架的银行信贷系统
  6. OpenCV_15绘制朱利亚(Julia)集合图形
  7. Matlab DCT详解
  8. python生成树状图_python如何把数据变成树状图
  9. 社交软件红包技术解密(十)：手Q客户端针对2020年春节红包的技术实践
  10. python二元一次方程组用鸡兔同笼的思路来写编程_python二元一次方程组用鸡兔同笼的思路来写编程_《应用二元一次方程组——鸡兔同笼》......
  11. html海南地图插件,Echarts 地图（map）插件之 鼠标HOVER和tooltip自定义数据
  12. python防止源码泄露_ctf常见源码泄露 - Lmg66 - 博客园
  13. 什么是跨域（CORS）？怎么解决跨域（CORS）？
  14. Kotlin 编码规约
  15. 家园系统服务器,梦幻西游手游家园系统外观全面升级
  16. 理解linux cpu load - 什么时候应该担心了
  17. Python 批量查询URL百度权重
  18. 上班摸鱼不被发现的游戏（暴富人生游戏更新v1.1）
  19. BF算法的实际应用 套汇
  20. pb OLE控制EXCEL

热门文章

  1. iOS进阶之架构设计MVC（1）
  2. swift_028（Swift 的协议）
  3. access查询5月份出生_Access and VBA - 5分钟概览
  4. Promise对象和async函数
  5. JMeter测试TCP/IP Socket应用的性能
  6. 【Python算法】哈希存储、哈希表、散列表原理
  7. hihoCoder 第136周 优化延迟（二分答案+手写堆）
  8. ASP.NET Core的Kestrel服务器
  9. BZOJ-2049 [SDOI2008]洞穴勘测
  10. java 环境变量的涵义