C# .net 抓取网页内容

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。

1、抓取一般内容

需要三个类：WebRequest、WebResponse、StreamReader

所需命名空间：System.Net、System.IO

核心代码：

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

      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。

 

private  string GetGeneralContent( string strUrl)
    {
         string strMsg =  string.Empty;
         try
        {
            WebRequest request = WebRequest.Create(strUrl);
            WebResponse response = request.GetResponse();
            StreamReader reader =  new StreamReader(response.GetResponseStream(), Encoding.GetEncoding( " gb2312 "));

            strMsg = reader.ReadToEnd();

            reader.Close();
            reader.Dispose();
            response.Close();
        }
         catch
        { }
         return strMsg;
    }

2、抓取图片或其它二进制文件（如文件） 需要四个类：WebRequest、WebResponse、Stream、FileStream 所需命名空间：System.Net、System.IO 核心代码：用Stream读取

private  string GetFileContent( string strUrl)
    {
         string strMsg =  string.Empty;
         try
        {
            WebRequest request = WebRequest.Create(strUrl); 
            WebResponse response = request.GetResponse(); 
            Stream reader = response.GetResponseStream(); 
            
             // 可根据实际保存为具体文件
            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();

            strMsg =  " 保存成功 ";
        }
         catch
        { }
         return strMsg;
    }

 

3、抓取网页内容 POST方式 在抓取网页时，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：

  private  string GetPostContent( string strUrl)
    {
         string strMsg =  string.Empty;
         try
        {
             string data =  " userName=admin&passwd=admin888 "; 
             byte[] requestBuffer = System.Text.Encoding.GetEncoding( " gb2312 ").GetBytes(data);

            WebRequest request = WebRequest.Create(strUrl);
            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(); 
            }

            WebResponse response = request.GetResponse();
             using (StreamReader reader =  new StreamReader(response.GetResponseStream(), Encoding.GetEncoding( " gb2312 "))) 
            {
                strMsg = reader.ReadToEnd(); 
                reader.Close(); 
            }
        }
         catch
        { }
         return strMsg;
    }

 

4、ASP.NET 抓取网页内容－防止重定向 在抓取网页时，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。 5、ASP.NET 抓取网页内容－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(strUrl);

 

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Session

 如：

HttpWebRequest request = (HttpWebRequest)HttpWebRequest.Create(strUrl);
            
             // 同一页面
             // HttpWebRequest request2 = (HttpWebRequest)HttpWebRequest.Create(strUrl);
             // System.Net.CookieContainer cc = new CookieContainer();
             // request.CookieContainer = cc;
             // request2.CookieContainer = cc;
             // 不同页面,具体使用时需要将request,request2分开
             object obj = Session[ " ccc "];
             if (obj ==  null)
            {
                CookieContainer cc =  new CookieContainer();
                 // requestr的保存
                Session.Add( " ccc ", cc);
            }
             string strUrl2 =  "";
            HttpWebRequest request2 = (HttpWebRequest)HttpWebRequest.Create(strUrl2);
             // 取出来
            CookieContainer cc2 = (CookieContainer)Session[ " ccc "];
            request2.CookieContainer = cc2;
             // 再进行下一步处理

 

6、ASP.NET 抓取网页内容－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。

7、ASP.NET 抓取网页内容－如何更改来源 Referer 和 UserAgent

HttpWebRequest request = (HttpWebRequest)HttpWebRequest.Create( " http://127.0.0.1/index.htm "); 
request.Referer =  " http://www.csdn.net/ ";
request.UserAgent =  " 要设置的标头 ";
// 下一步的处理