asp.net抓取网页内容

一、ASP.NET 使用HttpWebRequest抓取网页内容

这种方式抓取某些页面会失败

不过，有时候我们会发现，这个程序在抓取某些页面时，是获不到所需的内容的，有时候甚至返回404的错误提示页，这是什么原因呢？

其实，很多人都忽略了一个问题，那就是服务器默认的浏览器问题。有的服务器默认的浏览器是手机浏览器，那么，当我抓取这个服务器下的网页是，就相当于用手机浏览器来打开网页，而如果要抓取的目标网页没有相应的手机网页的话，就会返回意想不到的结果，有的返回404错误提示页，有的返回403错误提示页，有的甚至跳转到其他网页去了。

如何解决这个问题？

要解决这个问题，其实很简单，我们只需要在程序里指定使用的浏览器的即可，即是设置UserAgent的参数值。

完整代码：

        /// <summary>方法一：比较推荐        /// 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)"; //             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;        }

二、ASP.NET 使用 WebResponse 抓取网页内容

        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;        }

三、ASP.NET 使用 WebClient 抓取网页内容

        /// <param name="url">/要访问的网站地址</param>
						
上一篇文章： 使用Ajax的Time实现倒计时功能
下一篇文章： linq中let关键字学习