利用asp.net怎么对网页源码进行抓取

利用asp.net怎么对网页源码进行抓取？很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。

方法1 比较推荐  

/// <summary>         /// 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)"; // 模拟使用IE在浏览 http://www.52mvc.com       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;     }

方法2 

using System; using System.Collections.Generic; using System.Linq; using System.Web; using System.IO; using System.Text; using System.Net; namespace MySql {   public class GetHttpData   {     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;     }     } }

方法3

public static string getHtml(string url, params string [] charSets)//url是要访问的网站地址，charSet是目标网页的编码，如果传入的是null或者""，那就自动分析网页的编码   {     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 获取网页源文件的方法

有时候我们需要获取 网页源文件，所以用以下这个方法很容易完成任务！

private string GetStringByUrl(string strUrl)  {    WebRequest wrt = WebRequest.Create(strUrl);    WebResponse wrse = wrt.GetResponse();    Stream strM = wrse.GetResponseStream();    StreamReader SR = new StreamReader(strM,  Encoding.GetEncoding("gb2312"));    string strallstrm = SR.ReadToEnd();    return strallstrm;  }

只要传入要下载网页的地址就OK了！
通过这个方法做个源码导出:

private string SaveHTML()   {      string str = RenderPage("Default2.aspx");      Response.ContentEncoding = System.Text.Encoding.GetEncoding("UTF-8"); //解决中文乱码      Response.AddHeader("Content-Disposition","attachment;filename=index.html"); //解决中文文件名乱码        Response.AddHeader("Content-length",str.Length.ToString());      Response.Write(str);      Response.End();  ｝

看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注亿速云行业资讯频道，感谢您对亿速云的支持。