程式師世界 >> 編程語言 >> C語言 >> 關於C語言 >> C#實現通過程序自動抓取遠程Web網頁信息

C#實現通過程序自動抓取遠程Web網頁信息

編輯：關於C語言

通過程序自動的讀取其它網站網頁顯示的信息，類似於爬蟲程序。比方說我們有一個系統，要提取BaiDu網站上歌曲搜索排名。分析系統在根據得到的數據進行數據分析。為業務提供參考數據。
　　為了完成以上的需求，我們就需要模擬浏覽器浏覽網頁，得到頁面的數據在進行分析，最後把分析的結構，即整理好的數據寫入數據庫。那麼我們的思路就是：
　　1、發送HttpRequest請求。
　　2、接收HttpResponse返回的結果。得到特定頁面的Html源文件。
　　3、取出包含數據的那一部分源碼。
　　4、根據html源碼生成HtmlDocument，循環取出數據。
　　5、寫入數據庫。

程序如下：　　

        //根據Url地址得到網頁的Html源碼
         private string GetWebContent(string Url)
         {
             string strResult="";
             try
             {
                 HttpWebRequest request = (HttpWebRequest)WebRequest.Create(Url);
　　　　//聲明一個HttpWebRequest請求
                 request.Timeout = 30000;
                //設置連接超時時間
                 request.Headers.Set("Pragma", "no-cache");
                 HttpWebResponse response = (HttpWebResponse)request.GetResponse();
                 Stream streamReceive = response.GetResponseStream();
                 Encoding encoding = Encoding.GetEncoding("GB2312");
                 StreamReader streamReader = new StreamReader(streamReceive, encoding);
                 strResult = streamReader.ReadToEnd();
             }
             catch
             {
                 MessageBox.Show("出錯");
             }
             return strResult;
         }
為了使用HttpWebRequest和HttpWebResponse，需填名字空間引用
　　using System.Net;

以下是程序具體實現過程：
private void button1_Click(object sender, EventArgs e)
         {
            //要抓取的URL地址
             string Url = "http://list.mp3.baidu.com/topso/mp3topsong.Html?id=1#top2";

//得到指定Url的源碼
　　　string strWebContent = GetWebContent(Url);

             richTextBox1.Text = strWebContent;
　　　 //取出和數據有關的那段源碼
             int iBodyStart = strWebContent.IndexOf("<body", 0);
             int iStart = strWebContent.IndexOf("歌曲TOP500", iBodyStart);
             int iTableStart = strWebContent.IndexOf("<table", iStart);
             int iTableEnd = strWebContent.IndexOf("</table>", iTableStart);
             string strWeb = strWebContent.Substring(iTableStart, iTableEnd - iTableStart + 8);

            //生成HtmlDocument
　　　WebBrowser webb = new WebBrowser();
             webb.Navigate("about:blank");
             HtmlDocument Htmldoc = webb.Document.OpenNew(true);
             Htmldoc.Write(strWeb);
             HtmlElementCollection htmlTR = Htmldoc.GetElementsByTagName("TR");
             foreach (HtmlElement tr in HtmlTR)
             {
                 string strID = tr.GetElementsByTagName("TD")[0].InnerText;
                 string strName = SplitName(tr.GetElementsByTagName("TD")[1].InnerText, "MusicName");
                 string strSinger = SplitName(tr.GetElementsByTagName("TD")[1].InnerText, "Singer");
                 strID = strID.Replace(".", "");
                //插入DataTable
                 AddLine(strID, strName, strSinger,"0");

                 string strID1 = tr.GetElementsByTagName("TD")[2].InnerText;
                 string strName1 = SplitName(tr.GetElementsByTagName("TD")[3].InnerText, "MusicName");
                 string strSinger1 = SplitName(tr.GetElementsByTagName("TD")[3].InnerText, "Singer");
                //插入DataTable
                 strID1 = strID1.Replace(".", "");
                 AddLine(strID1, strName1, strSinger1,"0");

                 string strID2 = tr.GetElementsByTagName("TD")[4].InnerText;
                 string strName2 = SplitName(tr.GetElementsByTagName("TD")[5].InnerText, "MusicName");
                 string strSinger2 = SplitName(tr.GetElementsByTagName("TD")[5].InnerText, "Singer");
                //插入DataTable
                 strID2 = strID2.Replace(".", "");
                 AddLine(strID2, strName2, strSinger2,"0");

             }
            //插入數據庫
             InsertData(dt);
　　　
             dataGridView1.DataSource = dt.DefaultVIEw;
}