C# .net 如何抓取网页内容

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。
[csharp] view plaincopy在CODE上查看代码片派生到我的代码片
<span style="font-size:18px;">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;  
    }</span>  
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
[csharp] view plaincopy在CODE上查看代码片派生到我的代码片
<span style="font-size:18px;">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;  
    }</span>  

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：
[csharp] view plaincopy在CODE上查看代码片派生到我的代码片
<span style="font-size:18px;">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;  
    }</span>  

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：
[csharp] view plaincopy在CODE上查看代码片派生到我的代码片
<span style="font-size:18px;">HttpWebRequest request = (HttpWebRequest)HttpWebRequest.Create(strUrl);</span>  

注意：HttpWebRequest.Create 返回的类型仍是 WebRequest，所以要转化一下。 其次，使用 CookieContainer。
[csharp] view plaincopy在CODE上查看代码片派生到我的代码片
<span style="font-size:18px;">System.Net.CookieContainer cc = new System.Net.CookieContainer();   
request.CookieContainer = cc;   
request2.CookieContainer = cc;</span>  

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。
[csharp] view plaincopy在CODE上查看代码片派生到我的代码片
<span style="font-size:18px;">Session.Add("ccc", cc); //存   
CookieContainer cc = (CookieContainer)Session["ccc"]; //取Session</span>  
[csharp] view plaincopy在CODE上查看代码片派生到我的代码片
<span style="font-size:18px;">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</span>  

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。
[csharp] view plaincopy在CODE上查看代码片派生到我的代码片
<span style="font-size:18px;">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();</span>  

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
[csharp] view plaincopy在CODE上查看代码片派生到我的代码片
<span style="font-size:18px;">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</span>