C#抓取需要登录的页面

抓取需要登录的页面的内容，原理主要是：先模拟登录，获取到COOKIE，然后接下来的访问，都使用这个COOKIE，就可以访问到需要登录的页面。

理论上，浏览器可以做到的事情，程序应该也可以。

不过，模拟登录，说起来容易，但不同站点有不同的处理方式，复杂程度不同。

1、最简单的，是POST适当的数据，不用验证码

2、象Discuz!系列的，要先访问某一个页面，获得随机码，然后置于POST数据中，才可以登录

3、需要验证码。验证码识别是另外一个课题。

无论如何，POST数据必须的。那么，模拟登录，需要POST哪些数据呢？

其实，需要POST哪些数据，每个站点都有所不同，所以要有一个合适的工具来进行分析。我装的是firefox的扩展控件：HttpFox。利用它，可以很方便的获取登录指定站点时，所需要提交的数据串。

模拟登录的代码是这样的：

//sPostData，待提交的数据串，如何http://www.test.com/login.aspx?user=admin&pwd=123456 public static CookieContainer Login(string url, string sPostData, CookieContainer cc) { CookieContainer container = (cc == null) ? new CookieContainer() : cc; ASCIIEncoding encoding = new ASCIIEncoding(); byte[] data = encoding.GetBytes(sPostData); HttpWebRequest resquest = ResquestInit(url); resquest.Method = "POST"; resquest.ContentLength = data.Length; resquest.CookieContainer = container; Stream newStream = resquest.GetRequestStream(); newStream.Write(data, 0, data.Length); newStream.Close(); try { HttpWebResponse response = (HttpWebResponse)resquest.GetResponse(); response.Cookies = container.GetCookies(resquest.RequestUri); } catch{} return container; } //这个函数的作用就是统一Request的格式，使得每次访问目标网站都用相同的口径。如果参数不同的话，可能造成COOKIE无效，因而登录无效 public static HttpWebRequest ResquestInit(string url) { Uri target = new Uri(url); HttpWebRequest resquest = (HttpWebRequest)WebRequest.Create(target); resquest.UserAgent = "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.2.2) Gecko/20100316 Firefox/3.6.2 (.NET CLR 3.5.30729)"; resquest.Accept = "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8"; resquest.AllowAutoRedirect = true; resquest.KeepAlive = true; resquest.ReadWriteTimeout = 120000; resquest.ContentType = "application/x-www-form-urlencoded"; resquest.Referer = url; return resquest; }

获得这个CookieContainer后，保存下来，以后每访问该网站，都带上它。CookieContainer相当于浏览器的COOKIE容器，里面存放访问各个网站的COOKIE。

带COOKIE访问代码如下：

//获得response static HttpWebResponse GetResponse(string url, CookieContainer cc) { try { HttpWebRequest resquest = ResquestInit(url); resquest.CookieContainer = cc; HttpWebResponse response = (HttpWebResponse)resquest.GetResponse(); response.Cookies = container.GetCookies(resquest.RequestUri); return response; } catch { return null; } }其中参数 CookieContainer cc 就是保存的CookieContainer。