html页面间用超链接获取值,.NET中获取HTML页面并提取其中的超链接

下列的函数分别用于获取HTML页面和提取页面中的超链接。

using System.Net;

using System.IO;

using System.Text;

using System.Text.RegularExpressions;

string[] GetLink(string strHtml)

{

string RegexStr = "(?<=href[//s//r]*=[//s//r]*[/"/'])([^/"/'//s//r>]*)(?<=[/"/'//s//r]{0,1})";

Regex reg = new Regex(RegexStr, RegexOptions.IgnoreCase);

MatchCollection mc = reg.Matches(strHtml);

if (mc.Count > 0)

{

string[] strHref = new string[mc.Count];

int i = 0;

foreach (Match m in mc)

{

strHref[i] = m.Groups[1].Value;

++i;

}

return strHref;

}

return null;

}

string GetHttp(string strUrl)

{

string strHtml = "";

WebResponse wrp = null;

try

{

WebRequest wrq = WebRequest.Create(strUrl);

wrq.Timeout = 60000;

wrp = wrq.GetResponse();

}

catch (WebException e)

{

}

catch (Exception e)

{

}

finally

{

if (wrp != null)

{

StreamReader sr = new StreamReader(wrp.GetResponseStream(), Encoding.GetEncoding("GB2312"));

strHtml = sr.ReadToEnd();

sr.Close();

wrp.Close();

}

}

return strHtml;

}

可首先使用GetHttp获取指定URL的页面内容，然后将此内容作为参数传给GetLink，GetLink返回的String数组中的每个元素代表一个超链接。