如何抓取网页数据

网页源码中规则数据的获取过程：

第一步：获取网页源码。

第二步：使用正则表达式匹配抽取所需要的数据。

第三步：将结果进行保存。

这里只介绍第一步。

.HttpWebRequest;

.HttpWebResponse;

System.IO.Stream;

System.IO.StreamReader;

System.IO.FileStream;

通过C#程序来获取访问页面的内容（网页源代码）并实现将内容保存到本机的文件中。

方法一是通过的两个关键的类

.HttpWebRequest;

.HttpWebResponse;

来实现的。

具体代码如下

方案0：网上的代码，看明白这个就可以用方案一和方案二了

HttpWebRequest httpReq;

HttpWebResponse httpResp;

string strBuff = "";

char[] cbuffer = new char[256];

int byteRead = 0;

string filename = @"c:\log.txt";

///定义写入流操作

public void WriteStream()

{

Uri httpURL = new Uri(txtURL.Text);

///HttpWebRequest类继承于WebRequest，并没有自己的构造函数，需通过WebRequest 的Creat方法建立，并进行强制的类型转换

httpReq = (HttpWebRequest)WebRequest.Create(httpURL);

///通过HttpWebRequest的GetResponse()方法建立HttpWebResponse,强制类型转换

httpResp = (HttpWebResponse) httpReq.GetResponse();

///GetResponseStream()方法获取HTTP响应的数据流,并尝试取得URL中所指定的网页内容///若成功取得网页的内容，则以System.IO.Stream形式返回，若失败则产生

ProtoclViolationException错误。在此正确的做法应将以下的代码放到一个try块中处理。这里简单处理

Stream respStream = httpResp.GetResponseStream(); ///返回的内容是Stream形式的，所以可以利用StreamReader类获取GetResponseStream的内容，并以StreamReader类的Read方法依次读取网页源程序代码每一行的内容，直至行尾（读取的编码格式：UTF8）

StreamReader respStreamReader = new StreamReader(respStream,Encoding.UTF8);

byteRead = respStreamReader.Read(cbuffer,0,256);

while (byteRead != 0)

{

string strResp = new string(cbuffer,0,byteRead);

strBuff = strBuff + strResp;

byteRead = respStreamReader.Read(cbuffer,0,256);

}

respStream.Close();

txtHTML.Text = strBuff;

}

///定义写入文件操作

public void WriteFile()

{

///要将结果存储至文件中，可利用FileStream类建立文件数据流，并以Write方法将HTML内容写入到文件

FileStream fileStream = new FileStream(filename,FileMode.OpenOrCreate,FileAccess.Write);

byte[] byteSave = Encoding.UTF8.GetBytes(txtHTML.Text.ToString()); ///保存为txt文件时编码方式为UTF8

fileStream.Write(byteSave,0,byteSave.Length);

fileStream.Close();

}

private void btnwrite_Click(object sender, EventArgs e)

{

WriteStream();

WriteFile();

}

方案一、如果不需要POST参数可用下边的方案

由于是在WinForm下写的代码，因此会有using System.Windows.Forms;命名空间，错误提示框需要这个命名空间。

using System;

using System.Collections.Generic;

using System.Collections;

using System.Text;

using System.Data;//这个可以不要

using ;

using System.IO;

using System.Text.RegularExpressions;//正则表达式的命名空间

using System.Windows.Forms;

///

/// 根据链接获得网页内容

///

/// 超链接地址