标签:src message line 类继承 reader 编码格式 complete day page
C#通常有三种方法获取网页内容,使用WebClient、WebBrowser或者HttpWebRequest/HttpWebResponse。
一. 使用WebClient
1 using System; 2 using System.Collections.Generic; 3 using System.IO; 4 using System.Linq; 5 using System.Net; 6 using System.Text; 7 using System.Threading.Tasks; 8 9 namespace day0917 10 { 11 class Program 12 { 13 static void Main(string[] args) 14 { 15 try 16 { 17 WebClient MyWebClient = new WebClient(); 18 //获取或设置用于向Internet资源的请求进行身份验证的网络凭据 19 MyWebClient.Credentials = CredentialCache.DefaultCredentials; 20 //从指定网站下载数据 21 Byte[] pageData = MyWebClient.DownloadData("http://www.163.com"); 22 //如果获取网站页面采用的是GB2312,则使用这句 23 string pageHtml = Encoding.Default.GetString(pageData); 24 //string pageHtml = Encoding.UTF8.GetString(pageData); 25 //如果获取网站页面采用的是UTF-8,则使用这句 26 //在控制台输入获取的内容 27 Console.WriteLine(pageHtml); 28 var file = AppDomain.CurrentDomain.BaseDirectory; 29 //将获取的内容写入文本 30 using (StreamWriter sw = new StreamWriter(@"E:\课程\总\代码\抓取数据\day0917\day0917\A.txt")) 31 { 32 sw.Write(pageHtml); 33 } 34 Console.ReadLine(); //让控制台暂停,否则一闪而过了 35 } 36 catch (WebException webEx) 37 { 38 Console.WriteLine(webEx.Message.ToString()); 39 } 40 Console.ReadKey(); 41 } 42 } 43 }
二.使用WebBrowser
1 WebBrowser web = new WebBrowser(); 2 web.Navigate("http://www.xjflcp.com/ssc/"); 3 web.DocumentCompleted += new WebBrowserDocumentCompletedEventHandler(web_DocumentCompleted); 4 void web_DocumentCompleted(object sender, WebBrowserDocumentCompletedEventArgs e) 5 { 6 WebBrowser web = (WebBrowser)sender; 7 HtmlElementCollection ElementCollection = web.Document.GetElementsByTagName("Table"); 8 foreach (HtmlElement item in ElementCollection) 9 { 10 File.AppendAllText("Kaijiang_xj.txt", item.InnerText); 11 } 12 }
三.使用HttpWebRequest/HttpWebResponse
1 HttpWebRequest httpReq; 2 HttpWebResponse httpResp; 3 4 string strBuff = ""; 5 char[] cbuffer = new char[256]; 6 int byteRead = 0; 7 8 string filename = @"c:\log.txt"; 9 ///定义写入流操作 10 public void WriteStream() 11 { 12 Uri httpURL = new Uri(txtURL.Text); 13 14 ///HttpWebRequest类继承于WebRequest,并没有自己的构造函数,需通过WebRequest的Creat方法 建立,并进行强制的类型转换 15 httpReq = (HttpWebRequest)WebRequest.Create(httpURL); 16 ///通过HttpWebRequest的GetResponse()方法建立HttpWebResponse,强制类型转换 17 18 httpResp = (HttpWebResponse) httpReq.GetResponse(); 19 ///GetResponseStream()方法获取HTTP响应的数据流,并尝试取得URL中所指定的网页内容 20 21 ///若成功取得网页的内容,则以System.IO.Stream形式返回,若失败则产生ProtoclViolationException错 误。在此正确的做法应将以下的代码放到一个try块中处理。这里简单处理 22 Stream respStream = httpResp.GetResponseStream(); 23 24 ///返回的内容是Stream形式的,所以可以利用StreamReader类获取GetResponseStream的内容,并以 25 26 StreamReader类的Read方法依次读取网页源程序代码每一行的内容,直至行尾(读取的编码格式:UTF8) 27 StreamReader respStreamReader = new StreamReader(respStream,Encoding.UTF8); 28 29 byteRead = respStreamReader.Read(cbuffer,0,256); 30 31 while (byteRead != 0) 32 { 33 string strResp = new string(cbuffer,0,byteRead); 34 strBuff = strBuff + strResp; 35 byteRead = respStreamReader.Read(cbuffer,0,256); 36 } 37 38 respStream.Close(); 39 txtHTML.Text = strBuff; 40 }
上面的是把整个页面的数据全部拿到,并且没有做任何处理
下面我们可以根据 NSoup 对拿到的数据进行处理 处理数据下个文章在写
标签:src message line 类继承 reader 编码格式 complete day page
原文地址:https://www.cnblogs.com/qiao298/p/11532646.html