搜索之路- c# 爬虫技术

爬虫 ,又称蜘蛛,是从别的网站抓取资源的一种方法, C# .NET 使用爬虫 的方法如下:

protected string GetPageHtml (string url )

    {

        string pageinfo ;

        try

        {

            WebRequest myreq = WebRequest .Create (url );

             WebResponse myrep = myreq .GetResponse ();

            StreamReader reader = new StreamReader (myrep .GetResponseStream (), Encoding .GetEncoding (“gb2312″ ));

            pageinfo = reader .ReadToEnd ();

        }

        catch

        {

            pageinfo = “” ;

        }

        return pageinfo ;

}

 

按上述方法就可以在程序中获取某URL 的页面源文件。

 

但是有些网站屏蔽了爬虫 ,那就需要模拟浏览器获取的方法来进行,具体代码如下:

  protected string GetPageHtml (string url )

    {

        string pageinfo ;

        try

        {

            HttpWebRequest myReq = (HttpWebRequest )HttpWebRequest .Create (url );

            myReq .Accept = “image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, application/x-shockwave-flash, application/vnd.ms-excel, application/vnd.ms-powerpoint, application/msword, */*” ;

            myReq .UserAgent = “Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 2.0.50727)” ;

            HttpWebResponse myRep = (HttpWebResponse )myReq .GetResponse ();

            Stream myStream = myRep .GetResponseStream ();

            StreamReader sr = new StreamReader (myStream , Encoding .Default );

            pageinfo = sr .ReadToEnd ().ToString ();

        }

        catch

        {

            pageinfo = “” ;

        }

        return pageinfo ;

}

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
您好!对于使用C#来编写爬虫并抓取网站后台数据,您可以借助一些库和框架来实现。以下是一个基本的步骤指南: 1. 首先,您需要使用C#的网络请求库,例如HttpClient,来发送HTTP请求到目标网站。您可以使用GET或POST方法发送请求,并传递必要的参数。 2. 接下来,您可以使用HTML解析库,例如HtmlAgilityPack,来解析网页内容。这样您可以提取出所需的数据,如文本、链接、表格等等。 3. 如果目标网站需要登录或进行身份验证,您可能需要模拟登录过程。通过发送POST请求,将用户名和密码等凭据提交给登录页面,并在后续请求中使用Cookie来维持登录状态。 4. 在获取到所需数据后,您可以将其保存到数据库中或进行进一步处理和分析。您可以使用C#的数据库访问库,如Entity Framework或SqlClient,来连接和操作数据库。 5. 最后,为了确保爬取过程的合法性和稳定性,建议添加适当的延时和错误处理机制。遵守网站的robots.txt文件中的规定,并设置合理的请求间隔,以免给目标网站造成过大的负担。 请注意,在进行网络爬虫时,应该遵守法律法规和网站的使用规则,确保以合法和道德的方式使用爬虫技术。此外,如果目标网站有反爬虫机制,您可能需要采取一些反反爬虫的策略来应对。 希望以上信息对您有所帮助!如果您有任何问题,请随时提问。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值