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。
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;
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
参考链接:点击打开链接
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:
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:
参考链接:点击打开链接
注意:HttpWebRequest.Create 返回的类型仍是 WebRequest,所以要转化一下。 其次,使用 CookieContainer。
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。
参考链接:点击打开链接
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。
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
参考链接:点击打开链接
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;
- }
- 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;
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
- 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();
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