快捷導(dǎo)航

c# 抓取Web網(wǎng)頁(yè)數(shù)據(jù)分析

更新時(shí)間：2008年11月26日 12:36:14 作者：

通過(guò)程序自動(dòng)的讀取其它網(wǎng)站網(wǎng)頁(yè)顯示的信息，類(lèi)似于爬蟲(chóng)程序。比方說(shuō)我們有一個(gè)系統(tǒng)，要提取BaiDu網(wǎng)站上歌曲搜索排名。分析系統(tǒng)在根據(jù)得到的數(shù)據(jù)進(jìn)行數(shù)據(jù)分析。為業(yè)務(wù)提供參考數(shù)據(jù)。

為了完成以上的需求，我們就需要模擬瀏覽器瀏覽網(wǎng)頁(yè)，得到頁(yè)面的數(shù)據(jù)在進(jìn)行分析，最后把分析的結(jié)構(gòu)，即整理好的數(shù)據(jù)寫(xiě)入數(shù)據(jù)庫(kù)。那么我們的思路就是：
　　1、發(fā)送HttpRequest請(qǐng)求。
　　2、接收HttpResponse返回的結(jié)果。得到特定頁(yè)面的html源文件。
　　3、取出包含數(shù)據(jù)的那一部分源碼。
　　4、根據(jù)html源碼生成HtmlDocument，循環(huán)取出數(shù)據(jù)。
　　5、寫(xiě)入數(shù)據(jù)庫(kù)。
程序如下：　　

復(fù)制代碼代碼如下:

//根據(jù)Url地址得到網(wǎng)頁(yè)的html源碼 
private string GetWebContent(string Url) 
{ 
string strResult=""; 
try 
{ 
HttpWebRequest request = (HttpWebRequest)WebRequest.Create(Url); 
　　　　//聲明一個(gè)HttpWebRequest請(qǐng)求 
request.Timeout = 30000; 
//設(shè)置連接超時(shí)時(shí)間 
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("出錯(cuò)"); 
} 
return strResult; 
} 
為了使用HttpWebRequest和HttpWebResponse，需填名字空間引用 
　　using System.Net; 
以下是程序具體實(shí)現(xiàn)過(guò)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的源碼 
　　　string strWebContent = GetWebContent(Url); 
richTextBox1.Text = strWebContent; 
　　　//取出和數(shù)據(jù)有關(guān)的那段源碼 
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"); 
string 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"); 
} 
//插入數(shù)據(jù)庫(kù) 
InsertData(dt); 
　　　 
dataGridView1.DataSource = dt.DefaultView; 
} 