C# 实现抓取网站页面内容

时间:2024-01-10 20:03:26

抓取新浪网的新闻栏目,如图所示:

C# 实现抓取网站页面内容

使用 谷歌浏览器的查看源代码: 通过分析得知,我们所要找的内容在以下两个标签之间:

 <!-- publish_helper name='要闻-新闻' p_id='1' t_id='850' d_id='1' -->

 内容。。。。

 <!-- publish_helper name='要闻-财经' p_id='30' t_id='98' d_id='1' -->

如图所示:

C# 实现抓取网站页面内容

内容。。。。

C# 实现抓取网站页面内容

使用VS建立一个如图所示的网站:

C# 实现抓取网站页面内容

我们下载网络数据主要通过   WebClient 类来实现。

使用下面源代码获取我们选择的内容:

         protected void Enter_Click(object sender, EventArgs e)
{
WebClient we = new WebClient(); //主要使用WebClient类
byte[] myDataBuffer;
myDataBuffer = we.DownloadData(txtURL.Text); //该方法返回的是 字节数组,所以需要定义一个byte[]
string download = Encoding.Default.GetString(myDataBuffer); //对下载的数据进行编码 //通过查询源代码,获取某两个值之间的新闻内容
int startIndex = download.IndexOf("<!-- publish_helper name='要闻-新闻' p_id='1' t_id='850' d_id='1' -->");
int endIndex = download.IndexOf("<!-- publish_helper name='要闻-财经' p_id='30' t_id='98' d_id='1' -->"); string temp = download.Substring(startIndex, endIndex - startIndex + ); //截取新闻内容 lblMessage.Text = temp;//显示所截取的新闻内容
}

效果如图:

C# 实现抓取网站页面内容

最后: 除了把下载的数据保存为文本以外,还可以保存为 文件类型 和 流 类型。

             WebClient wc = new WebClient();
wc.DownloadFile(TextBox1.Text, @"F:\test.txt");
Label1.Text = "文件下载完成";
        WebClient wc = new WebClient();
Stream s = wc.OpenRead(TextBox1.Text); StreamReader sr = new StreamReader(s);
Label1.Text = sr.ReadToEnd();