c# 连续抓取页面内容
实现功能:去一个url抓取页面,在页面的内容里面在去找另一个url。找到这个这url之后经过一系列操作后再去重组的url去抓取内容。
第一、写出c#抓取页面的代码
1 using System; 2 using System.Collections.Generic; 3 using System.Linq; 4 using System.Web; 5 using System.IO; 6 using System.Net; 7 using System.Text; 8 9 /// <summary> 10 ///abc 的摘要说明 11 /// </summary> 12 public static class abc 13 { 14 /// <summary> 15 /// webRequest 模拟http get请求 16 /// </summary> 17 /// <param name="strUrl">请求的url</param> 18 /// <param name="encoding">编码</param> 19 /// <returns>返回字符串</returns> 20 public static string GetHttpResponse(this string strUrl, Encoding encoding) 21 { 22 string strResult = string.Empty; 23 try 24 { 25 HttpWebRequest myReq = (HttpWebRequest)HttpWebRequest.Create(strUrl); 26 HttpWebResponse HttpWResp = (HttpWebResponse)myReq.GetResponse(); 27 Stream myStream = HttpWResp.GetResponseStream(); 28 StreamReader sr = new StreamReader(myStream, encoding); 29 strResult = sr.ReadToEnd(); 30 31 } 32 catch (Exception ex) 33 { 34 WriteLog(ex.Message, strUrl); 35 } 36 37 return strResult; 38 } 39 40 /// <summary> 41 /// webRequest 模拟http post请求 42 /// </summary> 43 /// <param name="url">请求的url</param> 44 /// <param name="val">post 的数据</param> 45 /// <returns>返回字符串</returns> 46 public static string GetHttpPostResponse(this string url, string val, Encoding encoding) 47 { 48 string strResult = string.Empty; 49 try 50 { 51 HttpWebRequest myReq = (HttpWebRequest)HttpWebRequest.Create(url); 52 myReq.Method = "Post"; 53 myReq.ContentType = "application/x-www-form-urlencoded"; 54 byte[] byteArray = encoding.GetBytes(val); 55 myReq.ContentLength = byteArray.Length; 56 Stream stream = myReq.GetRequestStream(); 57 stream.Write(byteArray, 0, byteArray.Length); 58 stream.Close(); 59 HttpWebResponse HttpWResp = (HttpWebResponse)myReq.GetResponse(); 60 Stream myStream = HttpWResp.GetResponseStream(); 61 StreamReader sr = new StreamReader(myStream, encoding); 62 strResult = sr.ReadToEnd(); 63 64 } 65 catch (Exception ex) 66 { 67 WriteLog(ex.Message + val, url); 68 } 69 70 return strResult; 71 } 72 73 public static void WriteLog(string sLog, string titleLog) 74 { 75 try 76 { 77 string logPath = System.AppDomain.CurrentDomain.BaseDirectory;//目录位置 78 79 DateTime dt = DateTime.Now; 80 string logfile = new StringBuilder(logPath).Append("\\Log\\").Append(dt.ToString("yyyy-MM-dd")).Append("\\").Append(titleLog).Append("_").Append(dt.ToString("yyyyMMddHHmmss")).Append(".txt").ToString(); 81 if (!System.IO.Directory.Exists(System.IO.Path.GetDirectoryName(logfile))) 82 { 83 System.IO.Directory.CreateDirectory(System.IO.Path.GetDirectoryName(logfile)); 84 } 85 if (!File.Exists(logfile)) 86 { 87 FileStream fs = System.IO.File.Create(logfile); 88 fs.Close(); 89 } 90 using (StreamWriter sw = new StreamWriter(logfile, true)) 91 { 92 sw.WriteLine(DateTime.Now.ToString("yyyy-MM-dd HH:mm:ss") + ":"); 93 sw.WriteLine(sLog); 94 sw.WriteLine(); 95 sw.Close(); 96 } 97 } 98 catch 99 { 100 101 } 102 } 103 }
第二、调用里面的方法GetHttpResponse去抓取页面(注这是get方式,如果是post方式可以选择post方式)
第三、用正则匹配方式得到想要的URL(Match mc = Regex.Match(aa, "action=(.*)>", RegexOptions.IgnoreCase);)
第四、由于此时得到URL是经过浏览器处理的URL如果我们直接去抓取页面就会找不到页面。因为此时的URL的协议是Https协议。所以我们需要中间做一次跳转。
首先还是去抓aa = abc.GetHttpResponse(str, Encoding.UTF8);得到的URL里有一个将要跳转到的url目录。我们需要将主域名+刚刚得到的这个目录。
第五、然后再去抓取。就可以得到我们想要的内容!
转载于:https://www.cnblogs.com/honghong75042/archive/2013/04/28/3049201.html
c# 连续抓取页面内容相关推荐
- apache httpclient 工具类_Java教程分享使用HttpClient抓取页面内容
Java教程分享使用HttpClient抓取页面内容,使用HttpClient工具来发送Http请求 1.简介 HttpClient 是 Apache Jakarta Common 下的子项目,用来提 ...
- java response 获得code_Java教程分享使用HttpClient抓取页面内容
Java教程分享使用HttpClient抓取页面内容,使用HttpClient工具来发送Http请求 1.简介 HttpClient 是 Apache Jakarta Common 下的子项目,用来提 ...
- php登录页面后抓取页面内容,PHP模拟登陆抓取页面内容
平时开发中经常会遇到抓取某个页面内容, 但是有时候某些页面需要登陆才能访问, 最常见的就是论坛, 这时候我们需要来使用curl模拟登陆. 大致思路:需要先请求提取 cookies 并保存,然后利用保存 ...
- php抓取页面内容乱码,如何解决抓取乱码php网页的问题
爬行乱码php网页的解决方案:1.使用"mbconvertencoding"来转换编码:2.设置并添加"curl _ setopt ($ ch,curl opt _ en ...
- 7.正则抓取页面内容
文章目录 请求方法: GET请求: POST请求: 二者之间的区别: GET爬取xazlsec.com页面内容: POST爬取页面信息: 用脚本爬取页面内容: 正则匹配: 元字符 (参见 python ...
- php抓取页面生成html,PHP smiple html dom抓取页面内容
之前做页面抓取,数据采集等功能的时候,第一个想到的就是用正则表达式去匹配页面内容.但是对于像我这种,正则只懂皮毛的人来说,写正则是真的很恶心的一件事.去网上找,也不一定能改成自己需要的正则. 今天给大 ...
- php 正则抓取页面内容_PHP_php获取网页内容方法总结,抓取到的内容在通过正则表达 - phpStudy...
php获取网页内容方法总结 抓取到的内容在通过正则表达式做一下过滤就得到了你想要的内容,至于如何用正则表达式过滤,在这里就不做介绍了,有兴趣的,以下就是几种常用的用php抓取网页中的内容的方法. 1. ...
- php 正则抓取页面内容_php 正则表达式抓取网页内容
php 抓取网页内容优化 我想在youku网抓取高清视频的链接,然后发到手机客户端那里,可是抓取的时间不理想(大概50个视频,电脑抓取显示在网页都要6秒多,发送到手机更要30秒),想问有什么优化方法呢 ...
- php 正则抓取页面内容_php使用curl和正则表达式抓取网页数据示例
session_start(); //封装成类 开启这些自动抓取文章 #header("Refresh:30;http://www.test.com:8080"); class S ...
最新文章
- Flex Javascript 交互实现代码
- 织梦html不能生成,内容预览及生成HTML
- js函数 Number()、parseInt()、parseFloat()的区别:
- Couldn‘t find grammar element for class javax.ws.rs.core.Response
- [转]关于多线程并发:每个开发人员都应了解的内容(转自Mainz's)
- Drainage Ditches POJ1273
- java实体类中有枚举类型_当实体类中entity/DTO/VO等类中,有枚举值,应该怎么输出?...
- Lucas(卢卡斯)定理
- 大白话讲解Promise(三)搞懂jquery中的Promise
- 局网满猿关不住,一波码农出墙来。
- 3.3 基于GMM-HMM的语音识别
- mysql 5.6 默认密码_mysql5.6配置及修改密码
- 电脑桌面录屏软件大全,给大家推荐一波优秀的屏幕录像工具!
- opengl 中的透视除法和NDC
- pythonQQ连连看秒杀脚本
- Arthas线上问题定位神器
- android技术篇(三)解密data区
- 硬币翻转倍数递增试算
- Android开发-Handler引起的内存泄漏-实验、分析、总结。
- 070-JAVA项目实训:仿QQ即时通讯软件系列讲座五(讲解用户注册功能)
热门文章
- 关于格雷码的规律、转换
- 近期发现的一些-20190519
- 3d饼图 vue_Vue+Echarts构建可视化大数据平台实战项目分享(附源码)(上)
- php soap自动wsdl,在使用PHP的本机SOAP类时生成WSDL?
- android sync manager wifi pc,Android SyncManager 实现
- 001_Maven入门
- 011_CSS子元素选择器
- 064_html音频
- java panel 左对齐,将Shape的中心与JPanel的中心对齐 - java
- linux x window system下载,为Ubuntu 添加 KDE X WINDOW SYSTEM