首页 > 代码库 > ASP.NET抓取网页内容

ASP.NET抓取网页内容

一、ASP.NET 使用HttpWebRequest抓取网页内容

 

这种方式抓取某些页面会失败

不过,有时候我们会发现,这个程序在抓取某些页面时,是获不到所需的内容的,有时候甚至返回404的错误提示页,这是什么原因呢?

其实,很多人都忽略了一个问题,那就是服务器默认的浏览器问题。有的服务器默认的浏览器是手机浏览器,那么,当我抓取这个服务器下的网页是,就相当于用手机浏览器来打开网页,而如果要抓取的目标网页没有相应的手机网页的话,就会返回意想不到的结果,有的返回404错误提示页,有的返回403错误提示页,有的甚至跳转到其他网页去了。

 

如何解决这个问题?

要解决这个问题,其实很简单,我们只需要在程序里指定使用的浏览器的即可,即是设置UserAgent的参数值。

 

完整代码:

 
C# 代码   复制
        /// <summary>方法一:比较推荐        /// 用HttpWebRequest取得网页源码        /// 对于带BOM的网页很有效,不管是什么编码都能正确识别        /// </summary>        /// <param name="url">网页地址" </param>        /// <returns>返回网页源文件</returns>        public static string GetHtmlSource2(string url)        {            //处理内容            string html = "";            HttpWebRequest request = (HttpWebRequest)WebRequest.Create(url);            request.Accept = "*/*"; //接受任意文件            request.UserAgent = "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.2; .NET CLR 1.1.4322)"; //             request.AllowAutoRedirect = true;//是否允许302            //request.CookieContainer = new CookieContainer();//cookie容器,            request.Referer = url; //当前页面的引用            HttpWebResponse response = (HttpWebResponse)request.GetResponse();            Stream stream = response.GetResponseStream();            StreamReader reader = new StreamReader(stream, Encoding.Default);            html = reader.ReadToEnd();            stream.Close();            return html;        }

 

二、ASP.NET 使用 WebResponse 抓取网页内容

 
C# 代码   复制
        public static string GetHttpData2(string Url)        {            string sException = null;            string sRslt = null;            WebResponse oWebRps = null;            WebRequest oWebRqst = WebRequest.Create(Url);            oWebRqst.Timeout = 50000;            try            {                oWebRps = oWebRqst.GetResponse();            }            catch (WebException e)            {                sException = e.Message.ToString();            }            catch (Exception e)            {                sException = e.ToString();            }            finally            {                if (oWebRps != null)                {                    StreamReader oStreamRd = new StreamReader(oWebRps.GetResponseStream(), Encoding.GetEncoding("utf-8"));                    sRslt = oStreamRd.ReadToEnd();                    oStreamRd.Close();                    oWebRps.Close();                }            }            return sRslt;        }

 

三、ASP.NET 使用 WebClient 抓取网页内容

 
C# 代码   复制
        /// <param name="url">/要访问的网站地址</param>        /// <param name="charSets">目标网页的编码,如果传入的是null或者"",那就自动分析网页的编码</param>        /// <returns></returns>        public static string getHtml(string url, params  string[] charSets)        {            try            {                string charSet = null;                if (charSets.Length == 1)                {                    charSet = charSets[0];                }                WebClient myWebClient = new WebClient(); //创建WebClient实例myWebClient                // 需要注意的:                //有的网页可能下不下来,有种种原因比如需要cookie,编码问题等等                //这是就要具体问题具体分析比如在头部加入cookie                // webclient.Headers.Add("Cookie", cookie);                //这样可能需要一些重载方法.根据需要写就可以了                //获取或设置用于对向 Internet 资源的请求进行身份验证的网络凭据.                myWebClient.Credentials = CredentialCache.DefaultCredentials;                //如果服务器要验证用户名,密码                //NetworkCredential mycred = new NetworkCredential(struser, strpassword);                //myWebClient.Credentials = mycred;                //从资源下载数据并返回字节数组.(加@是因为网址中间有"/"符号)                byte[] myDataBuffer = myWebClient.DownloadData(url);                string strWebData = Encoding.Default.GetString(myDataBuffer);                //获取网页字符编码描述信息                Match charSetMatch = Regex.Match(strWebData, "<meta([^<]*)charset=([^<]*)", RegexOptions.IgnoreCase | RegexOptions.Multiline);                string webCharSet = charSetMatch.Groups[2].Value;                if (charSet == null || charSet == "")                    charSet = webCharSet;                if (charSet != null && charSet != "" && Encoding.GetEncoding(charSet) != Encoding.Default)                {                    strWebData = Encoding.GetEncoding(charSet).GetString(myDataBuffer);                }                else                {                    strWebData = Encoding.GetEncoding("utf-8").GetString(myDataBuffer);                }                return strWebData;            }            catch (Exception e) { return ""; }        }

ASP.NET抓取网页内容