c​#​ HttpWebRequest 写​s​p​i​d​e​r网络爬虫

.Net技术 码拜 7年前 (2014-08-07) 1198次浏览 0个评论

通过程序自动的读取其它网站网页显示的信息,类似于爬虫程序。比方说我们有一个系统,要提取BaiDu网站上歌曲搜索排名。分析系统在根据得到的数据进行数据分析。为业务提供参考数据。

为了完成以上的需求,我们就需要模拟浏览器浏览网页,得到页面的数据在进行分析,最后把分析的结构,即整理好的数据写入数据库。那么我们的思路就是:

1、发送HttpRequest请求。

2、接收HttpResponse返回的结果。得到特定页面的html源文件。

3、取出包含数据的那一部分源码。

4、根据html源码生成HtmlDocument,循环取出数据。

5、写入数据库。

程序如下:

//根据Url地址得到网页的html源码

private string GetWebContent(string Url)

{

string strResult=””;

try

{

//声明一个HttpWebRequest请求

HttpWebRequest request = (HttpWebRequest)WebRequest.Create(Url);

//设置连接超时时间

request.Timeout = 30000;

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(“出错”);

}

return strResult;

}

为了使用HttpWebRequest和HttpWebResponse,需填名字空间引用  using System.Net;

以下是程序具体实现过程:

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的源码

string strWebContent = GetWebContent(Url);

richTextBox1.Text = strWebContent;

//取出和数据有关的那段源码

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″);

tring 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″);

}

//插入数据库

InsertData(dt);

dataGridView1.DataSource = dt.DefaultView;

}


CodeBye 版权所有丨如未注明 , 均为原创丨本网站采用BY-NC-SA协议进行授权 , 转载请注明c​#​ HttpWebRequest 写​s​p​i​d​e​r网络爬虫
喜欢 (0)
[1034331897@qq.com]
分享 (0)

文章评论已关闭!