c 抓取html 内容,C#抓取html信息（爬虫实现原理）

抓取和分析网页的类。

主要功能有：

1、提取网页的纯文本，去所有html标签和javascript代码

2、提取网页的链接，包括href和frame及iframe

3、提取网页的title等(其它的标签可依此类推，正则是一样的)

4、可以实现简单的表单提交及cookie保存

using System;

using System.Data;

using System.Configuration;

using System.Net;

using System.IO;

using System.Text;

using System.Collections.Generic;

using System.Text.RegularExpressions;

using System.Threading;

using System.Web;

///

/// 网页类

///

public class WebPage

{

#region

私有成员

private Uri

m_uri; //网址

private

List

m_links; //此网页上的链接

private

string

m_title; //此网页的标题

private

string

m_html; //此网页的HTML代码

private

string

m_outstr; //此网页可输出的纯文本

private bool