1.第一招,根据URL地址获取网页信息
get方法
public static string GetUrltoHtml(string Url,string type) { try { System.Net.WebRequest wReq = System.Net.WebRequest.Create(Url); // Get the response instance. System.Net.WebResponse wResp = wReq.GetResponse(); System.IO.Stream respStream = wResp.GetResponseStream(); // Dim reader As StreamReader = New StreamReader(respStream) using (System.IO.StreamReader reader = new System.IO.StreamReader(respStream, Encoding.GetEncoding(type))) { return reader.ReadToEnd(); } } catch (System.Exception ex) { //errorMsg = ex.Message; } return ""; }
post方法
1 ///<summary> 2 ///采用https协议访问网络 3 ///</summary> 4 public string OpenReadWithHttps(string URL, string strPostdata, string strEncoding) 5 { 6 Encoding encoding = Encoding.Default; 7 HttpWebRequest request = (HttpWebRequest)WebRequest.Create(URL); 8 request.Method = "post"; 9 request.Accept = "text/html, application/xhtml+xml, */*"; 10 request.ContentType = "application/x-www-form-urlencoded"; 11 byte[] buffer = encoding.GetBytes(strPostdata); 12 request.ContentLength = buffer.Length; 13 request.GetRequestStream().Write(buffer, 0, buffer.Length); 14 HttpWebResponse response = (HttpWebResponse)request.GetResponse(); 15 using( StreamReader reader = new StreamReader(response.GetResponseStream(), System.Text.Encoding.GetEncoding(strEncoding))) 16 { 17 return reader.ReadToEnd(); 18 } 19 }
这招是入门第一式, 特点:
1.最简单最直观的一种,入门课程。
2.适应于明文,无需登录,无需任何验证就可以进入的页面。
3.获取的数据类型为HTML文档。
4.请求方法为Get/Post
2.第二招,根据URL地址获取需要验证证书才能访问的网页信息
get方法
1 //回调验证证书问题 2 public bool CheckValidationResult(object sender, X509Certificate certificate, X509Chain chain, SslPolicyErrors errors) 3 { 4 // 总是接受 5 return true; 6 } 7 /// <summary> 8 /// 传入URL返回网页的html代码 9 /// </summary> 10 public string GetUrltoHtml(string Url) 11 { 12 StringBuilder content = new StringBuilder(); 13 try 14 { 15 //这一句一定要写在创建连接的前面。使用回调的方法进行证书验证。 16 ServicePointManager.ServerCertificateValidationCallback = new System.Net.Security.RemoteCertificateValidationCallback(CheckValidationResult); 17 // 与指定URL创建HTTP请求 18 HttpWebRequest request = (HttpWebRequest)WebRequest.Create(Url); 19 //创建证书文件 20 X509Certificate objx509 = new X509Certificate(Application.StartupPath + "\\123.cer"); 21 //添加到请求里 22 request.ClientCertificates.Add(objx509); 23 // 获取对应HTTP请求的响应 24 HttpWebResponse response = (HttpWebResponse)request.GetResponse(); 25 // 获取响应流 26 Stream responseStream = response.GetResponseStream(); 27 // 对接响应流(以"GBK"字符集) 28 StreamReader sReader = new StreamReader(responseStream, Encoding.GetEncoding("utf-8")); 29 // 开始读取数据 30 Char[] sReaderBuffer = new Char[256]; 31 int count = sReader.Read(sReaderBuffer, 0, 256); 32 while (count > 0) 33 { 34 String tempStr = new String(sReaderBuffer, 0, count); 35 content.Append(tempStr); 36 count = sReader.Read(sReaderBuffer, 0, 256); 37 } 38 // 读取结束 39 sReader.Close(); 40 } 41 catch (Exception) 42 { 43 content = new StringBuilder("Runtime Error"); 44 } 45 return content.ToString(); 46 }
post方法
1 //回调验证证书问题 2 public bool CheckValidationResult(object sender, X509Certificate certificate, X509Chain chain, SslPolicyErrors errors) 3 { 4 // 总是接受 5 return true; 6 } 7 ///<summary> 8 ///采用https协议访问网络 9 ///</summary> 10 public string OpenReadWithHttps(string URL, string strPostdata, string strEncoding) 11 { 12 // 这一句一定要写在创建连接的前面。使用回调的方法进行证书验证。 13 ServicePointManager.ServerCertificateValidationCallback = new System.Net.Security.RemoteCertificateValidationCallback(CheckValidationResult); 14 Encoding encoding = Encoding.Default; 15 HttpWebRequest request = (HttpWebRequest)WebRequest.Create(URL); 16 //创建证书文件 17 X509Certificate objx509 = new X509Certificate(Application.StartupPath + "\\123.cer"); 18 //加载Cookie 19 request.CookieContainer = new CookieContainer(); 20 //添加到请求里 21 request.ClientCertificates.Add(objx509); 22 request.Method = "post"; 23 request.Accept = "text/html, application/xhtml+xml, */*"; 24 request.ContentType = "application/x-www-form-urlencoded"; 25 byte[] buffer = encoding.GetBytes(strPostdata); 26 request.ContentLength = buffer.Length; 27 request.GetRequestStream().Write(buffer, 0, buffer.Length); 28 HttpWebResponse response = (HttpWebResponse)request.GetResponse(); 29 using (StreamReader reader = new StreamReader(response.GetResponseStream(), System.Text.Encoding.GetEncoding(strEncoding))) 30 { 31 return reader.ReadToEnd(); 32 } 33 }
这招是学会算是进了大门了,凡是需要验证证书才能进入的页面都可以使用这个方法进入,我使用的是证书回调验证的方式,证书验证是否通过在客户端验证,这样的话我们就可以使用自己定义一个方法来验证了,有的人会说那也不清楚是怎么样验证的啊,其它很简单,代码是自己写的为什么要那么难为自己呢,直接返回一个True不就完了,永远都是验证通过,这样就可以无视证书的存在了, 特点:
1.入门前的小难题,初级课程。
2.适应于无需登录,明文但需要验证证书才能访问的页面。
3.获取的数据类型为HTML文档。
4.请求方法为Get/Post
3.第三招,根据URL地址获取需要登录才能访问的网页信息
我们先来分析一下这种类型的网页,需要登录才能访问的网页,其它呢也是一种验证,验证什么呢,验证客户端是否登录,是否具用相应的凭证,需要登录的都要验证SessionID这是每一个需要登录的页面都需要验证的,那我们怎么做的,我们第一步就是要得存在Cookie里面的数据包括SessionID,那怎么得到呢,这个方法很多,使用ID9或者是火狐浏览器很容易就能得到。
提供一个网页抓取hao123手机号码归属地的例子 这里面针对ID9有详细的说明。
如果我们得到了登录的Cookie信息之后那个再去访问相应的页面就会非常的简单了,其它说白了就是把本地的Cookie信息在请求的时候捎带过去就行了。
get方法
1 /// <summary> 2 /// 传入URL返回网页的html代码带有证书的方法 3 /// </summary> 4 public string GetUrltoHtml(string Url) 5 { 6 StringBuilder content = new StringBuilder(); 7 try 8 { 9 // 与指定URL创建HTTP请求 10 HttpWebRequest request = (HttpWebRequest)WebRequest.Create(Url); 11 request.UserAgent = "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0; BOIE9;ZHCN)"; 12 request.Method = "GET"; 13 request.Accept = "*/*"; 14 //如果方法验证网页来源就加上这一句如果不验证那就可以不写了 15 request.Referer = "http://txw1958.cnblogs.com"; 16 CookieContainer objcok = new CookieContainer(); 17 objcok.Add(new Uri("http://txw1958.cnblogs.com"), new Cookie("键", "值")); 18 objcok.Add(new Uri("http://txw1958.cnblogs.com"), new Cookie("键", "值")); 19 objcok.Add(new Uri("http://txw1958.cnblogs.com"), new Cookie("sidi_sessionid", "360A748941D055BEE8C960168C3D4233")); 20 request.CookieContainer = objcok; 21 //不保持连接 22 request.KeepAlive = true; 23 // 获取对应HTTP请求的响应 24 HttpWebResponse response = (HttpWebResponse)request.GetResponse(); 25 // 获取响应流 26 Stream responseStream = response.GetResponseStream(); 27 // 对接响应流(以"GBK"字符集) 28 StreamReader sReader = new StreamReader(responseStream, Encoding.GetEncoding("gb2312")); 29 // 开始读取数据 30 Char[] sReaderBuffer = new Char[256]; 31 int count = sReader.Read(sReaderBuffer, 0, 256); 32 while (count > 0) 33 { 34 String tempStr = new String(sReaderBuffer, 0, count); 35 content.Append(tempStr); 36 count = sReader.Read(sReaderBuffer, 0, 256); 37 } 38 // 读取结束 39 sReader.Close(); 40 } 41 catch (Exception) 42 { 43 content = new StringBuilder("Runtime Error"); 44 } 45 return content.ToString(); 46 }
post方法
1 ///<summary> 2 ///采用https协议访问网络 3 ///</summary> 4 public string OpenReadWithHttps(string URL, string strPostdata) 5 { 6 Encoding encoding = Encoding.Default; 7 HttpWebRequest request = (HttpWebRequest)WebRequest.Create(URL); 8 request.Method = "post"; 9 request.Accept = "text/html, application/xhtml+xml, */*"; 10 request.ContentType = "application/x-www-form-urlencoded"; 11 CookieContainer objcok = new CookieContainer(); 12 objcok.Add(new Uri("http://txw1958.cnblogs.com"), new Cookie("键", "值")); 13 objcok.Add(new Uri("http://txw1958.cnblogs.com"), new Cookie("键", "值")); 14 objcok.Add(new Uri("http://txw1958.cnblogs.com"), new Cookie("sidi_sessionid", "360A748941D055BEE8C960168C3D4233")); 15 request.CookieContainer = objcok; 16 byte[] buffer = encoding.GetBytes(strPostdata); 17 request.ContentLength = buffer.Length; 18 request.GetRequestStream().Write(buffer, 0, buffer.Length); 19 HttpWebResponse response = (HttpWebResponse)request.GetResponse(); 20 StreamReader reader = new StreamReader(response.GetResponseStream(), System.Text.Encoding.GetEncoding("utf-8")); 21 return reader.ReadToEnd(); 22 }
特点:
1.还算有点水类型的,练习成功后可以小牛一把。
2.适应于需要登录才能访问的页面。
3.获取的数据类型为HTML文档。
4.请求方法为Get/Post
总结一下,其它基本的技能就这几个部分,如果再深入的话那就是基本技能的组合了
比如,
1. 先用Get或者Post方法登录然后取得Cookie再去访问页面得到信息,这种其它也是上面技能的组合,这里需要以请求后做这样一步。response.Cookie
这就是在你请求后可以得到当次Cookie的方法,直接取得返回给上一个方法使用就行了,上面我们都是自己构造的,在这里直接使用这个Cookie就可以了。
2.如果我们碰到需要登录而且还要验证证书的网页怎么办,其它这个也很简单把我们上面的方法综合 一下就行了,如下代码这里我以Get为例子Post例子也是同样的方法
1 /// <summary> 2 /// 传入URL返回网页的html代码 3 /// </summary> 4 public string GetUrltoHtml(string Url) 5 { 6 StringBuilder content = new StringBuilder(); 7 try 8 { 9 //这一句一定要写在创建连接的前面。使用回调的方法进行证书验证。 10 ServicePointManager.ServerCertificateValidationCallback = new System.Net.Security.RemoteCertificateValidationCallback(CheckValidationResult); 11 // 与指定URL创建HTTP请求 12 HttpWebRequest request = (HttpWebRequest)WebRequest.Create(Url); 13 //创建证书文件 14 X509Certificate objx509 = new X509Certificate(Application.StartupPath + "\\123.cer"); 15 //添加到请求里 16 request.ClientCertificates.Add(objx509); 17 CookieContainer objcok = new CookieContainer(); 18 objcok.Add(new Uri("http://www.cnblogs.com"), new Cookie("键", "值")); 19 objcok.Add(new Uri("http://www.cnblogs.com"), new Cookie("键", "值")); 20 objcok.Add(new Uri("http://www.cnblogs.com"), new Cookie("sidi_sessionid", "360A748941D055BEE8C960168C3D4233")); 21 request.CookieContainer = objcok; 22 // 获取对应HTTP请求的响应 23 HttpWebResponse response = (HttpWebResponse)request.GetResponse(); 24 // 获取响应流 25 Stream responseStream = response.GetResponseStream(); 26 // 对接响应流(以"GBK"字符集) 27 StreamReader sReader = new StreamReader(responseStream, Encoding.GetEncoding("utf-8")); 28 // 开始读取数据 29 Char[] sReaderBuffer = new Char[256]; 30 int count = sReader.Read(sReaderBuffer, 0, 256); 31 while (count > 0) 32 { 33 String tempStr = new String(sReaderBuffer, 0, count); 34 content.Append(tempStr); 35 count = sReader.Read(sReaderBuffer, 0, 256); 36 } 37 // 读取结束 38 sReader.Close(); 39 } 40 catch (Exception) 41 { 42 content = new StringBuilder("Runtime Error"); 43 } 44 return content.ToString(); 45 }
3.如果我们碰到那种需要验证网页来源的方法应该怎么办呢,这种情况其它是有些程序员会想到你可能会使用程序,自动来获取网页信息,为了防止就使用页面来源来验证,就是说只要不是从他们所在页面或是域名过来的请求就不接受,有的是直接验证来源的IP,这些都可以使用下面一句来进入,这主要是这个地址是可以直接伪造的
1
|
request.Referer = <a href=http:
//www.jb51.net>http://www.jb51.net</a>;
|
呵呵其它很简单因为这个地址可以直接修改。但是如果服务器上验证的是来源的URL那就完了,我们就得去修改数据包了,这个有点难度暂时不讨论。
4.提供一些与这个例子相配置的方法
过滤HTML标签的方法
1 /// <summary> 2 /// 过滤html标签 3 /// </summary> 4 public static string StripHTML(string stringToStrip) 5 { 6 // paring using RegEx // 7 stringToStrip = Regex.Replace(stringToStrip, "</p(?:\\s*)>(?:\\s*)<p(?:\\s*)>", "\n\n", RegexOptions.IgnoreCase | RegexOptions.Compiled); 8 stringToStrip = Regex.Replace(stringToStrip, " 9 ", "\n", RegexOptions.IgnoreCase | RegexOptions.Compiled); 10 stringToStrip = Regex.Replace(stringToStrip, "\"", "''", RegexOptions.IgnoreCase | RegexOptions.Compiled); 11 stringToStrip = StripHtmlXmlTags(stringToStrip); 12 return stringToStrip; 13 } 14 private static string StripHtmlXmlTags(string content) 15 { 16 return Regex.Replace(content, "<[^>]+>", "", RegexOptions.IgnoreCase | RegexOptions.Compiled); 17 }
URL转化的方法
1 #region 转化 URL 2 public static string URLDecode(string text) 3 { 4 return HttpUtility.UrlDecode(text, Encoding.Default); 5 } 6 public static string URLEncode(string text) 7 { 8 return HttpUtility.UrlEncode(text, Encoding.Default); 9 } 10 #endregion
提供一个实际例子,这个是使用IP138来查询手机号码归属地的方法,其它在我的上一次文章里都有,在这里我再放上来是方便大家阅读,这方面的技术其它研究起来很有意思,希望大家多提建议,我相信应该还有更多更好,更完善的方法,在这里给大家提供一个参考吧。感谢支持
上例子
1 /// <summary> 2 /// 输入手机号码得到归属地信息 3 /// </summary> 4 /// <returns>数组类型0为归属地,1卡类型,2区 号,3邮 编</returns> 5 public static string[] getTelldate(string number) 6 { 7 try 8 { 9 string strSource = GetUrltoHtml("http://www.ip138.com:8080/search.asp?action=mobile&mobile=" + number.Trim()); 10 //归属地 11 strSource = strSource.Substring(strSource.IndexOf(number)); 12 strSource = StripHTML(strSource); 13 strSource = strSource.Replace("\r", ""); 14 strSource = strSource.Replace("\n", ""); 15 strSource = strSource.Replace("\t", ""); 16 strSource = strSource.Replace(" ", ""); 17 strSource = strSource.Replace("-->", ""); 18 string[] strnumber = strSource.Split(new string[] { "归属地", "卡类型", "邮 编", "区 号", "更详细", "卡号" }, StringSplitOptions.RemoveEmptyEntries); 19 string[] strnumber1 = null; 20 if (strnumber.Length > 4) 21 { 22 strnumber1 = new string[] { strnumber[1].Trim(), strnumber[2].Trim(), strnumber[3].Trim(), strnumber[4].Trim() }; 23 } 24 return strnumber1; 25 } 26 catch (Exception) 27 { 28 return null; 29 } 30 }
这个例子写是不怎么样,些地方是可以简化的,这个接口而且可以直接使用Xml得到,但我在这里的重点是让一些新手看看方法和思路风凉啊,呵呵
第四招,通过Socket访问
1 ///<summary> 2 /// 请求的公共类用来向服务器发送请求 3 ///</summary> 4 ///<param name="strSMSRequest">发送请求的字符串</param> 5 ///<returns>返回的是请求的信息</returns> 6 private static string SMSrequest(string strSMSRequest) 7 { 8 byte[] data = new byte[1024]; 9 string stringData = null; 10 IPHostEntry gist = Dns.GetHostByName("www.110.cn"); 11 IPAddress ip = gist.AddressList[0]; 12 //得到IP 13 IPEndPoint ipEnd = new IPEndPoint(ip, 3121); 14 //默认80端口号 15 Socket socket = new Socket(AddressFamily.InterNetwork, SocketType.Stream, ProtocolType.Tcp); 16 //使用tcp协议 stream类型 17 try 18 { 19 socket.Connect(ipEnd); 20 } 21 catch (SocketException ex) 22 { 23 return "Fail to connect server\r\n" + ex.ToString(); 24 } 25 string path = strSMSRequest.ToString().Trim(); 26 StringBuilder buf = new StringBuilder(); 27 //buf.Append("GET ").Append(path).Append(" HTTP/1.0\r\n"); 28 //buf.Append("Content-Type: application/x-www-form-urlencoded\r\n"); 29 //buf.Append("\r\n"); 30 byte[] ms = System.Text.UTF8Encoding.UTF8.GetBytes(buf.ToString()); 31 //提交请求的信息 32 socket.Send(ms); 33 //接收返回 34 string strSms = ""; 35 int recv = 0; 36 do 37 { 38 recv = socket.Receive(data); 39 stringData = Encoding.ASCII.GetString(data, 0, recv); 40 //如果请求的页面meta中指定了页面的encoding为gb2312则需要使用对应的Encoding来对字节进行转换() 41 strSms = strSms + stringData; 42 //strSms += recv.ToString(); 43 } 44 while (recv != 0); 45 socket.Shutdown(SocketShutdown.Both); 46 socket.Close(); 47 return strSms; 48 }