C# · 12月 30, 2021

基于C#实现网络爬虫 C#抓取网页Html源码

最近刚完成一个简单的网络爬虫,开始的时候很迷茫,不知道如何入手,后来发现了很多的资料,不过真正能达到我需要,有用的资料–代码很难找。所以我想发这篇文章让一些要做这个功能的朋友少走一些弯路。

首先是抓取Html源码,并选择<ul class=”post_list”> </ul>节点的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); //开始位置 if (iBodyStart == -1) return null; iBodyStart += startString.Length; //第一次字符位置起的长度 int iBodyEnd = istr.IndexOf(endString,iBodyStart); //第二次字符在第一次字符位置起的首次位置 if (iBodyEnd == -1) return null; iBodyEnd += endString.Length; //第二次字符位置起的长度 string strResult = istr.Substring(iBodyStart,iBodyEnd – iBodyStart – 1); return strResult;} private string mid(string istr,string endString,out int iBodyEnd){ //初始化out参数,否则不能return iBodyEnd = 0; int iBodyStart = istr.IndexOf(startString,0); //开始位置 if (iBodyStart == -1) return null; iBodyStart += startString.Length; //第一次字符位置起的长度 iBodyEnd = istr.IndexOf(endString,iBodyEnd – iBodyStart – 1); return strResult;}

好了,上面就是全部代码了,如果你想要运行出来的话,有些细节要自己修改下。

以上就是本文的全部内容,希望对大家的学习有所帮助。