asp.net中抓取远程页面,自动采集示例

由于远程网页可能采用多种编码,并且有可能采用Gzip格式来压缩数据,让我们采集页面时头疼不已,这里借鉴了一些网络上的资料,一段小程序,用来自动分析编码,自动解压缩gzip数据。

 

private   string  GetChartset( string  url)
        
{
            
string html = getHTML(url);
            Regex reg_charset 
= new Regex(@"charsets*=s*(?<charset>[^""]*)");
            
string enconding = null;
            
if (reg_charset.IsMatch(html))
            
{
                enconding 
= reg_charset.Match(html).Groups["charset"].Value;
            }

            
else
            
{
                enconding 
= Encoding.Default.EncodingName;
            }

            
if (enconding.ToLower().Contains("gb2312"))
                enconding 
= "gb2312";
            
if (enconding.ToLower().Contains("utf-8"))
                enconding 
= "utf-8";
            
return enconding;
        }


        
private   string  getHTML( string  url)
        
{

            
try
            
{
                WebRequest webRequest 
= WebRequest.Create(url);
                WebResponse webResponse 
= webRequest.GetResponse();
                Stream stream 
= webResponse.GetResponseStream();
                StreamReader sr 
= new StreamReader(stream, Encoding.GetEncoding(Encoding.ASCII.EncodingName));
                
string html = sr.ReadToEnd();
                
return html;
            }

            
catch (UriFormatException ex)
            
{

                Console.WriteLine(ex.Message);
                
return null;
            }

            
catch (WebException ex)
            
{

                Console.WriteLine(ex.Message);
                
return null;
            }

        }


        
private   string  Html( string  Url)
        
{
            
string strResult = "";
            
try
            
{
                HttpWebRequest request 
= (HttpWebRequest)WebRequest.Create(Url);
                HttpWebResponse response 
= (HttpWebResponse)request.GetResponse();
                
string ce = response.ContentEncoding;
                Stream streamReceive 
= response.GetResponseStream();

                Encoding encoding 
= Encoding.GetEncoding(GetChartset(Url));
                
if (ce.ToLower() == "gzip")//压缩的内容
                {
                    GZipStream gzip 
= new GZipStream(streamReceive, CompressionMode.Decompress);
                    
using (StreamReader reader = new StreamReader(gzip,encoding))
                    
{
                        strResult 
= reader.ReadToEnd();
                    }


                }

            }

            
catch (Exception ex) { HttpContext.Current.Response.Write(ex.ToString()); }
            
return strResult;

        }




        
protected   void  Button1_Click( object  sender, EventArgs e)
        
{
            Response.Write(Html(TextBox1.Text));
        }




        
/*
         使用起来很简单,下面的程序将字符串压缩入文件:

                using (DeflateStream gzip = new DeflateStream(fs, CompressionMode.Compress))
                {
                    byte[] buf = Encoding.UTF8.GetBytes(this.txbSource.Text);
                    gzip.Write(buf, 0, buf.Length);
                    gzip.Flush();
                }

        解压只需要这样:

            gzip = new GZipStream(new MemoryStream(buf), CompressionMode.Decompress);
            using (StreamReader reader = new StreamReader(gzip))
            {
                this.txbTarget.Text = reader.ReadToEnd();
            }

        如果从文件解压,只需要把MemoryStream换成一个FileStream就行了。


         
*/
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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