C# 从网页抓取数据的一般方法

 

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= newSystem.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。