c# 抓取Web网页数据分析

通过程序自动的读取其它网站网页显示的信息，类似于爬虫程序。比方说我们有一个系统，要提取BaiDu网站上歌曲搜索排名。分析系统在根据得到的数据进行数据分析。为业务提供参考数据。

为了完成以上的需求，我们就需要模拟浏览器浏览网页，得到页面的数据在进行分析，最后把分析的结构，即整理好的数据写入数据库。那么我们的思路就是： 
　　1、发送HttpRequest请求。 
　　2、接收HttpResponse返回的结果。得到特定页面的html源文件。 
　　3、取出包含数据的那一部分源码。 
　　4、根据html源码生成HtmlDocument，循环取出数据。 
　　5、写入数据库。 
程序如下：　　 

//根据Url地址得到网页的html源码 

private string GetWebContent(string Url) 

{ 

string strResult=""; 

try 

{ 

HttpWebRequest request = (HttpWebRequest)WebRequest.Create(Url); 

　　　　//声明一个HttpWebRequest请求 

request.Timeout = 30000; 

//设置连接超时时间 

request.Headers.Set("Pragma", "no-cache"); 

HttpWebResponse response = (HttpWebResponse)request.GetResponse(); 

Stream streamReceive = response.GetResponseStream(); 

Encoding encoding = Encoding.GetEncoding("GB2312"); 

StreamReader streamReader = new StreamReader(streamReceive, encoding); 

strResult = streamReader.ReadToEnd(); 

} 

catch 

{ 

MessageBox.Show("出错"); 

} 

return strResult; 

} 

为了使用HttpWebRequest和HttpWebResponse，需填名字空间引用 

　　using System.Net; 

以下是程序具体实现过程： 

private void button1_Click(object sender, EventArgs e) 

{ 

//要抓取的URL地址 

string Url = "http://list.mp3.baidu.com/topso/mp3topsong.html?id=1#top2"; 

//得到指定Url的源码 

　　　string strWebContent = GetWebContent(Url); 

richTextBox1.Text = strWebContent; 

　　　//取出和数据有关的那段源码 

int iBodyStart = strWebContent.IndexOf("<body", 0); 

int iStart = strWebContent.IndexOf("歌曲TOP500", iBodyStart); 

int iTableStart = strWebContent.IndexOf("<table", iStart); 

int iTableEnd = strWebContent.IndexOf("</table>", iTableStart); 

string strWeb = strWebContent.Substring(iTableStart, iTableEnd - iTableStart + 8); 

//生成HtmlDocument 

　　　WebBrowser webb = new WebBrowser(); 

webb.Navigate("about:blank"); 

HtmlDocument htmldoc = webb.Document.OpenNew(true); 

htmldoc.Write(strWeb); 

HtmlElementCollection htmlTR = htmldoc.GetElementsByTagName("TR"); 

foreach (HtmlElement tr in htmlTR) 

{ 

string strID = tr.GetElementsByTagName("TD")[0].InnerText; 

string strName = SplitName(tr.GetElementsByTagName("TD")[1].InnerText, "MusicName"); 

string strSinger = SplitName(tr.GetElementsByTagName("TD")[1].InnerText, "Singer"); 

strID = strID.Replace(".", ""); 

//插入DataTable 

AddLine(strID, strName, strSinger,"0"); 

string strID1 = tr.GetElementsByTagName("TD")[2].InnerText; 

string strName1 = SplitName(tr.GetElementsByTagName("TD")[3].InnerText, "MusicName"); 

string strSinger1 = SplitName(tr.GetElementsByTagName("TD")[3].InnerText, "Singer"); 

//插入DataTable 

strID1 = strID1.Replace(".", ""); 

AddLine(strID1, strName1, strSinger1,"0"); 

string strID2 = tr.GetElementsByTagName("TD")[4].InnerText; 

string strName2 = SplitName(tr.GetElementsByTagName("TD")[5].InnerText, "MusicName"); 

string strSinger2 = SplitName(tr.GetElementsByTagName("TD")[5].InnerText, "Singer"); 

//插入DataTable 

strID2 = strID2.Replace(".", ""); 

AddLine(strID2, strName2, strSinger2,"0"); 

} 

//插入数据库 

InsertData(dt); 

　　　 

dataGridView1.DataSource = dt.DefaultView; 

}