从网页抓取数据的一般方法

首先要了解对方网页的运行机制，这可以用httpwacth或者httplook来看一下http发送和接收的数据。这两个工具应该说是比较简单易懂的。这里就不再介绍了。主要关注的内容是header和post的内容。一般会包括cookie，Referer页面和其他一些乱其八糟可能看不懂的变量，还有就是正常交互的参数，比如需要post或者get的querystring所包含的东西。

httplook和httpwacth 网上有很多下载的，这里推荐使用httpwach，因为可以直接嵌入到ie中，个人觉得这个比较好用。这两个工具可以到我上传在csdn的资源中下载，地址为

http://download.csdn.net/user/jinjazz

这里简单给出一段可以抓取数据的c#代码，比如登录某个网站，获取登录成功后的html代码，供数据分析使用。

private void login()

... {

System.Net.WebClient wb = new System.Net.WebClient();

System.Collections.Specialized.NameValueCollection header = new System.Collections.Specialized.NameValueCollection();

header.Add( " Cookie " , " czJ_cookietime=2592000; czJ_onlineusernum=1651; czJ_sid=w4bGJd " );

header.Add( " Referer " , @" http://www.test_by_jinjazz.com.cn/bbs/login.php " );

wb.Headers.Add(header);

System.Collections.Specialized.NameValueCollection data = new System.Collections.Specialized.NameValueCollection();

data.Add( " formhash " , " ebd2faac " );

data.Add( " referer " , " http://www.test_by_jinjazz.com.cn/bbs/search.php " );

data.Add( " loginfield " , " username " );

data.Add( " username " , " jinjazz " );

data.Add( " password " , " 999 " );

data.Add( " questionid " , " 0 " );

data.Add( " answer " , "" );

data.Add( " cookietime " , " 2592000 " );

data.Add( " loginmode " , "" );

data.Add( " styleid " , "" );

data.Add( " loginsubmit " , " 提交 " );

byte [] b = wb.UploadValues( " http://www.test_by_jinjazz.com.cn/bbs/login.php " , " Post " , data);

string strData = System.Text.Encoding.Default.GetString(b);

Console.WriteLine(strData);

}

以上代码除了三个url之外其他数据都是真实的，其中header和data中的参数和值都是用httpwatch来监测后得到。

从网页抓取数据的一般方法相关推荐

网页抓取/数据抽取/信息提取软件工具包MetaSeeker
MetaSeeker是一个Web网页抓取/数据抽取/页面信息提取工具包,能够按照用户的指导,从Web页面上筛选出需要的信息,并输出含有语义结构的提取结果文件(XML文件),众所周知,Web页面显示的信 ...
如何进行网页抓取数据？？
最近老是做导数据,有时候没有旧库了,我们可以从老网页抓取数据主要思路:通过把网页转换成doc式的html,然后进行获取元素的值我来写个案例: 这是目标网页: http://zxjg.yn.gov. ...
网页抓取数据-网页抓取数据的软件免费
在互联网络的时代,信息如同大海般没有边际.甚至我们获取信息的方法已经发生改变:从传统的翻书查字典,继而变成通过搜索引擎进行检索.我们从信息匮乏的时代一下子走到了信息极大丰富今天. 随着互联网的发展及普 ...
git-history：一款用于分析保存在Git和SQLite中的网页抓取数据的工具
大多数人都知道Git scraping,这是一种网页抓取工具编程技术,你可以定期将数据源快照抓取到Git存储库来跟踪数据源随时间的变化. 如何分析这些收集到的数据是个公认的难题.git-history ...
系统检测到您正在使用网页抓取工具访问_从网站抓取数据的3种最佳方法
halo,大家好,我是特仑苏,今天呢给大家分享一些Python从网站抓取数据的一些方法,希望可以给大家带来一些帮助! 原作者:Octoparse团队原出处:作品文(从网站抓取数据的3种最佳方法)/网 ...
python爬虫怎么爬同一个网站的多页数据-如何用Python爬数据？（一）网页抓取
如何用Python爬数据?(一)网页抓取你期待已久的Python网络数据爬虫教程来了.本文为你演示如何从网页里找到感兴趣的链接和说明文字,抓取并存储到Excel. 需求我在公众号后台,经常可以收到 ...
python爬网站数据实例-如何用Python爬数据？（一）网页抓取
如何用Python爬数据?(一)网页抓取你期待已久的Python网络数据爬虫教程来了.本文为你演示如何从网页里找到感兴趣的链接和说明文字,抓取并存储到Excel. 需求我在公众号后台,经常可以收到 ...
vs用Python爬数据？（一）网页抓取
你期待已久的Python网络数据爬虫教程来了.本文为你演示如何从网页里找到感兴趣的链接和说明文字,抓取并存储到Excel. (由于微信公众号外部链接的限制,文中的部分链接可能无法正确打开.如有需要,请 ...
python爬虫抓取数据的步骤-Python爬虫抓取手机APP的传输数据
大多数APP里面返回的是json格式数据,或者一堆加密过的数据 .这里以超级课程表APP为例,抓取超级课程表里用户发的话题. 1.抓取APP数据包得到超级课程表登录的地址:http://120.55 ...

从网页抓取数据的一般方法

从网页抓取数据的一般方法相关推荐

最新文章

热门文章