基於C#完成收集爬蟲 C#抓取網頁Html源碼。本站提示廣大學習愛好者:(基於C#完成收集爬蟲 C#抓取網頁Html源碼)文章只能為提供參考,不一定能成為您想要的結果。以下是基於C#完成收集爬蟲 C#抓取網頁Html源碼正文
比來剛完成一個簡略的收集爬蟲,開端的時刻很渺茫,不曉得若何動手,後來發明了許多的材料,不外真正能到達我須要,有效的材料--代碼很難找。所以我想發這篇文章讓一些要做這個功效的同伙少走一些彎路。
起首是抓取Html源碼,並選擇<ul class="post_list"> </ul>節點的href:要添加using System.IO;using System.Net;
private void Search(string url) { string rl; WebRequest Request = WebRequest.Create(url.Trim()); WebResponse Response = Request.GetResponse(); Stream resStream = Response.GetResponseStream(); StreamReader sr = new StreamReader(resStream, Encoding.Default); StringBuilder sb = new StringBuilder(); while ((rl = sr.ReadLine()) != null) { sb.Append(rl); } string str = sb.ToString().ToLower(); string str_get = mid(str, "<ul class=\"post_list\">", "</ul>"); int start = 0; while (true) { if (str_get == null) break; string strResult = mid(str_get, "href=\"", "\"", out start); if (strResult == null) break; else { lab[url] += strResult; str_get = str_get.Substring(start); } } } private string mid(string istr, string startString, string endString) { int iBodyStart = istr.IndexOf(startString, 0); //開端地位 if (iBodyStart == -1) return null; iBodyStart += startString.Length; //第一次字符地位起的長度 int iBodyEnd = istr.IndexOf(endString, iBodyStart); //第二次字符在第一次字符地位起的初次地位 if (iBodyEnd == -1) return null; iBodyEnd += endString.Length; //第二次字符地位起的長度 string strResult = istr.Substring(iBodyStart, iBodyEnd - iBodyStart - 1); return strResult; } private string mid(string istr, string startString, string endString, out int iBodyEnd) { //初始化out參數,不然不克不及return iBodyEnd = 0; int iBodyStart = istr.IndexOf(startString, 0); //開端地位 if (iBodyStart == -1) return null; iBodyStart += startString.Length; //第一次字符地位起的長度 iBodyEnd = istr.IndexOf(endString, iBodyStart); //第二次字符在第一次字符地位起的初次地位 if (iBodyEnd == -1) return null; iBodyEnd += endString.Length; //第二次字符地位起的長度 string strResult = istr.Substring(iBodyStart, iBodyEnd - iBodyStart - 1); return strResult; }
好了,下面就是全體代碼了,假如你想要運轉出來的話,有些細節要本身修正下。
以上就是本文的全體內容,願望對年夜家的進修有所贊助。