从网页抓取数据的一般方法

从网页抓取数据的一般方法   <script src="http://blog.csdn.net/count.aspx?ID=1996163&Type=Rank" type="text/javascript"></script>

首先要了解对方网页的运行机制 ，这可以用httpwacth或者httplook来看一下http发送和接收的数据。这两个工具应该说是比较简单易懂的。这里就不再介绍了。主要关注的内容是header和post的内容。一般会包括cookie，Referer页面和其他一些乱其八糟可能看不懂的变量，还有就是正常交互的参数，比如需要post或者get的querystring所包含的东西。

httplook和httpwacth网上有很多下载的，这里推荐使用httpwach，因为可以直接嵌入到ie中，个人觉得这个比较好用。这两个工具可以到我上传在csdn的资源中下载，地址为

http://download.csdn.net/user/jinjazz

这里简单给出一段可以抓取数据的c#代码，比如登录某个网站，获取登录成功后的html代码，供数据分析使用。

private   void  login()
         ... {
            System.Net.WebClient wb = new System.Net.WebClient();

            System.Collections.Specialized.NameValueCollection header = new System.Collections.Specialized.NameValueCollection();
            header.Add("Cookie", "czJ_cookietime=2592000; czJ_onlineusernum=1651; czJ_sid=w4bGJd");
            header.Add("Referer", @"http://www.test_by_jinjazz.com.cn/bbs/login.php");
            wb.Headers.Add(header);
            System.Collections.Specialized.NameValueCollection data = new System.Collections.Specialized.NameValueCollection();
            data.Add("formhash", "ebd2faac");
            data.Add("referer", "http://www.test_by_jinjazz.com.cn/bbs/search.php");
            data.Add("loginfield", "username");
            data.Add("username", "jinjazz");
            data.Add("password", "999");
            data.Add("questionid", "0");
            data.Add("answer", "");
            data.Add("cookietime", "2592000");
            data.Add("loginmode", "");
            data.Add("styleid", "");
            data.Add("loginsubmit", "提交");

            byte[] b = wb.UploadValues("http://www.test_by_jinjazz.com.cn/bbs/login.php", "Post", data);
            string strData = System.Text.Encoding.Default.GetString(b);
            Console.WriteLine(strData);
        }

以上代码除了三个url之外其他数据都是真实的，其中header和data中的参数和值都是用httpwatch来监测后得到。