抓取网页中的链接

原创 2004年10月14日 16:02:00

<?xml:namespace prefix = o ns = "urn:schemas-microsoft-com:office:office" />

 

 

输入一个地址,就可以把那个网页中的链接提取出来,下面这段代码可以轻松实现,主要的是用到了正则表达式。

 

GetUrl.aspx代码如下:

 

<%@ Page Language="vb" CodeBehind="GetUrl.aspx.vb" AutoEventWireup="false" Inherits="aspxWeb.GetUrl" %>

<html>

<head>

<META http-equiv="content-type" content="text/html; charset=gb2312">

</head>

<body>

<form id="Form1" method="post" runat="server">

  <P>

    <asp:Label id="Label1" runat="server"></asp:Label>

    <asp:TextBox id="urlTextBox" runat="server" Width="336px">

         http://lucky_elove.www1.dotnetplayground.com/

     </asp:TextBox>

    <asp:Button OnClick="scrapeButton_Click" id="scrapeButton" runat="server"></asp:Button>

 </P>

  <HR width="100%" SIZE="1">

  <P>

    <asp:Label id="TipResult" runat="server"></asp:Label>

    <asp:TextBox id="resultLabel" runat="server" TextMode="MultiLine"

     Width="100%" Height="400"></asp:TextBox>

 </P>

</form>

</body>

</html>

后代码GetUrl.aspx.vb如下:

 

Imports System.IO

Imports System.Net

Imports System.Text

Imports System.Text.RegularExpressions

Imports System

 

Public Class GetUrl

  Inherits System.Web.UI.Page

  Protected WithEvents Label1 As System.Web.UI.WebControls.Label

  Protected WithEvents urlTextBox As System.Web.UI.WebControls.TextBox

  Protected WithEvents scrapeButton As System.Web.UI.WebControls.Button

  Protected WithEvents TipResult As System.Web.UI.WebControls.Label

  Protected WithEvents resultLabel As System.Web.UI.WebControls.TextBox

 

#Region " Web 窗体设计器生成的代码 "

 

  '该调用是 Web 窗体设计器所必需的。

  <System.Diagnostics.DebuggerStepThrough()> Private Sub InitializeComponent()

 

  End Sub

 

  Private Sub Page_Init(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles MyBase.Init

    'CODEGEN: 此方法调用是 Web 窗体设计器所必需的

    '不要使用代码编辑器修改它。

    InitializeComponent()

  End Sub

 

#End Region

 

  Private Sub Page_Load(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles MyBase.Load

    '在此处放置初始化页的用户代码

    Label1.Text = "请输入一个URL地址:"

    scrapeButton.Text = "分离Href链接"

  End Sub

  Private report As New StringBuilder()

  Private webPage As String

  Private countOfMatches As Int32

 

  Public Sub scrapeButton_Click(ByVal sender As System.Object, ByVal e As System.EventArgs)

    webPage = GrabUrl()

    Dim myDelegate As New MatchEvaluator(AddressOf MatchHandler)

 

    Dim linksExpression As New Regex( _

        "/<a.+?href=['""](?!http/:////)(?!mailto/:)(?>foundAnchor>[^'"">]+?)[^>]*?/>", _

        RegexOptions.Multiline Or RegexOptions.IgnoreCase Or RegexOptions.IgnorePatternWhitespace)

 

    Dim newWebPage As String = linksExpression.Replace(webPage, myDelegate)

 

    TipResult.Text = "<h2>从 " & urlTextBox.Text & "分离出的Href链接</h2>" & _

        "<b>找到并整理" & countOfMatches.ToString() & " 个链接</b><br><br>" & _

        report.ToString().Replace(Environment.NewLine, "<br>")

    TipResult.Text &= "<h2>整理过的页面</h2><script>window.document.title='抓取网页中的链接'</script>"

    resultLabel.Text = newWebPage

  End Sub

 

  Public Function MatchHandler(ByVal m As Match) As String

    Dim link As String = m.Groups("foundAnchor").Value

    Dim rToL As New Regex("^", RegexOptions.Multiline Or RegexOptions.RightToLeft)

    Dim col, row As Int32

    Dim lineBegin As Int32 = rToL.Match(webPage, m.Index).Index

 

    row = rToL.Matches(webPage, m.Index).Count

    col = m.Index - lineBegin

 

    report.AppendFormat( _

        "Link <b>{0}</b>, fixed at row: {1}, col: {2}{3}", _

        Server.HtmlEncode(m.Groups(0).Value), _

        row, _

        col, _

        Environment.NewLine _

    )

    Dim newLink As String

    If link.StartsWith("/") Then

      newLink = link.Substring(1)

    Else

      newLink = link

    End If

 

    countOfMatches += 1

    Return m.Groups(0).Value.Replace(link, newLink)

  End Function

 

  Private Function GrabUrl() As String

    Dim wc As New WebClient()

    Dim s As Stream = wc.OpenRead(urlTextBox.Text)

    Dim sr As StreamReader = New StreamReader(s, System.Text.Encoding.Default)

    GrabUrl = sr.ReadToEnd

    s.Close()

    wc.Dispose()

  End Function

 

End Class

 

 

 

抓取网页中的链接

抓取网页中的链接 作者:孟宪会 出自:【孟宪会之精彩世界】 发布日期:2003年5月1日 7点4分...
  • haichanglin
  • haichanglin
  • 2006年11月23日 15:54
  • 496

使用Java抓取网页中所有的链接

import java.io.BufferedReader; import java.io.IOException; import java.io.InputStreamReader; import ...
  • u013510614
  • u013510614
  • 2016年01月08日 10:17
  • 1902

Python抓取网页中的链接

需要从web中抓取相关的网页。正好想学习一下Python,首先看了一下Python简明教程,内容讲的不多,但是能够使你快速入门,我一直认为实例驱动学习是最有效的办法。所以直接通过实际操作怎么去抓取网页...
  • kazeik
  • kazeik
  • 2013年04月08日 17:26
  • 2926

Python抓取网页链接

http://blog.csdn.net/cscmaker/article/details/8730153 (1)因项目需要,需要从web中抓取相关的网页。正好想学习一下Python,首先看了一...
  • hshl1214
  • hshl1214
  • 2016年01月31日 13:52
  • 859

python 抓去指定网页以及该网页上所有链接

http://www.oschina.net/code/snippet_77946_650 自己写的,原来是用来从往下上下载文档的,分享一下吧! 使用方法: python file_name_o...
  • hshl1214
  • hshl1214
  • 2016年01月31日 13:53
  • 1583

asp.net C#抓取网页链接

采用了写正则,具体可以看这里 不过我用的不是这个。呵呵代码还有点粗糙,比如还没有实现,统一写到xml中,然后显示出来。还有些东西还要过滤,一点一点来吧。先记录一下,免得以后忘记。default.asp...
  • xiong1000
  • xiong1000
  • 2006年04月13日 16:57
  • 1413

.net 抓取网页所有链接

抓取网页所有链接                                                 using ...
  • lijianping1314560
  • lijianping1314560
  • 2011年12月06日 17:47
  • 310

ASP.NET实现抓取网页中的链接

ASP.NET实现抓取网页中的链接   ...
  • haichanglin
  • haichanglin
  • 2006年11月23日 15:59
  • 629

.NET2.0抓取网页全部链接

.NET2.0抓取网页全部链接作者:清清月儿 主页:http://blog.csdn.net/21aspnet/           时间:2007.4.18 该方法经过对各大门户网站测试结果是抓取率...
  • zuilong1208
  • zuilong1208
  • 2007年04月18日 11:51
  • 522

NET2.0抓取网页全部链接

using System;using System.Data;using System.Configuration;using System.Web;using System.Web.Security...
  • viaivi
  • viaivi
  • 2007年07月07日 14:21
  • 509
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:抓取网页中的链接
举报原因:
原因补充:

(最多只允许输入30个字)