亚洲香蕉成人av网站在线观看_欧美精品成人91久久久久久久_久久久久久久久久久亚洲_热久久视久久精品18亚洲精品_国产精自产拍久久久久久_亚洲色图国产精品_91精品国产网站_中文字幕欧美日韩精品_国产精品久久久久久亚洲调教_国产精品久久一区_性夜试看影院91社区_97在线观看视频国产_68精品久久久久久欧美_欧美精品在线观看_国产精品一区二区久久精品_欧美老女人bb

首頁 > 編程 > C# > 正文

C#基于正則表達式實現獲取網頁中所有信息的網頁抓取類實例

2019-10-29 21:10:47
字體:
來源:轉載
供稿:網友

本文實例講述了C#基于正則表達式實現獲取網頁中所有信息的網頁抓取類。分享給大家供大家參考,具體如下:

類的代碼:

using System;using System.Data;using System.Configuration;using System.Net;using System.IO;using System.Text;using System.Collections.Generic;using System.Text.RegularExpressions;using System.Threading;using System.Web;using System.Web.UI.MobileControls;/// <summary>/// 網頁類/// </summary>public class WebPage{    #region 私有成員    private Uri m_uri;  //url    private List<Link> m_links;  //此網頁上的鏈接    private string m_title;    //標題    private string m_html;     //HTML代碼    private string m_outstr;    //網頁可輸出的純文本    private bool m_good;      //網頁是否可用    private int m_pagesize;    //網頁的大小    private static Dictionary<string, CookieContainer> webcookies = new Dictionary<string, CookieContainer>();//存放所有網頁的Cookie    #endregion    #region 屬性    /// <summary>    /// 通過此屬性可獲得本網頁的網址,只讀    /// </summary>    public string URL    {      get      {        return m_uri.AbsoluteUri;      }    }    /// <summary>    /// 通過此屬性可獲得本網頁的標題,只讀    /// </summary>    public string Title    {      get      {        if (m_title == "")        {          Regex reg = new Regex(@"(?m)<title[^>]*>(?<title>(?:/w|/W)*?)</title[^>]*>", RegexOptions.Multiline | RegexOptions.IgnoreCase);          Match mc = reg.Match(m_html);          if (mc.Success)            m_title = mc.Groups["title"].Value.Trim();        }        return m_title;      }    }    public string M_html    {      get      {        if (m_html == null)        {          m_html = "";        }        return m_html;      }    }    /// <summary>    /// 此屬性獲得本網頁的所有鏈接信息,只讀    /// </summary>    public List<Link> Links    {      get      {        if (m_links.Count == 0) getLinks();        return m_links;      }    }    /// <summary>    /// 此屬性返回本網頁的全部純文本信息,只讀    /// </summary>    public string Context    {      get      {        if (m_outstr == "") getContext(Int16.MaxValue);        return m_outstr;      }    }    /// <summary>    /// 此屬性獲得本網頁的大小    /// </summary>    public int PageSize    {      get      {        return m_pagesize;      }    }    /// <summary>    /// 此屬性獲得本網頁的所有站內鏈接    /// </summary>    public List<Link> InsiteLinks    {      get      {        return getSpecialLinksByUrl("^http://" + m_uri.Host, Int16.MaxValue);      }    }    /// <summary>    /// 此屬性表示本網頁是否可用    /// </summary>    public bool IsGood    {      get      {        return m_good;      }    }    /// <summary>    /// 此屬性表示網頁的所在的網站    /// </summary>    public string Host    {      get      {        return m_uri.Host;      }    }    #endregion    /// <summary>    /// 從HTML代碼中分析出鏈接信息    /// </summary>    /// <returns>List<Link></returns>    private List<Link> getLinks()    {      if (m_links.Count == 0)      {        Regex[] regex = new Regex[2];        regex[0] = new Regex(@"<a/shref/s*=""(?<URL>[^""]*).*?>(?<title>[^<]*)</a>", RegexOptions.IgnoreCase | RegexOptions.Singleline);        regex[1] = new Regex("<[i]*frame[^><]+src=(/"|')?(?<url>([^>/"'//s)])+)(/"|')?[^>]*>", RegexOptions.IgnoreCase);        for (int i = 0; i < 2; i++)        {          Match match = regex[i].Match(m_html);          while (match.Success)          {            try            {              string url = HttpUtility.UrlDecode(new Uri(m_uri, match.Groups["URL"].Value).AbsoluteUri);              string text = "";              if (i == 0) text = new Regex("(<[^>]+>)|(//s)|( )|&|/"", RegexOptions.Multiline | RegexOptions.IgnoreCase).Replace(match.Groups["text"].Value, "");              Link link = new Link();              link.Text = text;              link.NavigateUrl = url;              m_links.Add(link);            }            catch (Exception ex) { Console.WriteLine(ex.Message); };            match = match.NextMatch();          }        }      }      return m_links;    }    /// <summary>    /// 此私有方法從一段HTML文本中提取出一定字數的純文本    /// </summary>    /// <param name="instr">HTML代碼</param>    /// <param name="firstN">提取從頭數多少個字</param>    /// <param name="withLink">是否要鏈接里面的字</param>    /// <returns>純文本</returns>    private string getFirstNchar(string instr, int firstN, bool withLink)    {      if (m_outstr == "")      {        m_outstr = instr.Clone() as string;        m_outstr = new Regex(@"(?m)<script[^>]*>(/w|/W)*?</script[^>]*>", RegexOptions.Multiline | RegexOptions.IgnoreCase).Replace(m_outstr, "");        m_outstr = new Regex(@"(?m)<style[^>]*>(/w|/W)*?</style[^>]*>", RegexOptions.Multiline | RegexOptions.IgnoreCase).Replace(m_outstr, "");        m_outstr = new Regex(@"(?m)<select[^>]*>(/w|/W)*?</select[^>]*>", RegexOptions.Multiline | RegexOptions.IgnoreCase).Replace(m_outstr, "");        if (!withLink) m_outstr = new Regex(@"(?m)<a[^>]*>(/w|/W)*?</a[^>]*>", RegexOptions.Multiline | RegexOptions.IgnoreCase).Replace(m_outstr, "");        Regex objReg = new System.Text.RegularExpressions.Regex("(<[^>]+?>)| ", RegexOptions.Multiline | RegexOptions.IgnoreCase);        m_outstr = objReg.Replace(m_outstr, "");        Regex objReg2 = new System.Text.RegularExpressions.Regex("(//s)+", RegexOptions.Multiline | RegexOptions.IgnoreCase);        m_outstr = objReg2.Replace(m_outstr, " ");      }      return m_outstr.Length > firstN ? m_outstr.Substring(0, firstN) : m_outstr;    }    #region 公有文法    /// <summary>    /// 此公有方法提取網頁中一定字數的純文本,包括鏈接文字    /// </summary>    /// <param name="firstN">字數</param>    /// <returns></returns>    public string getContext(int firstN)    {      return getFirstNchar(m_html, firstN, true);    }    /// <summary>    /// 此公有方法從本網頁的鏈接中提取一定數量的鏈接,該鏈接的URL滿足某正則式    /// </summary>    /// <param name="pattern">正則式</param>    /// <param name="count">返回的鏈接的個數</param>    /// <returns>List<Link></returns>    public List<Link> getSpecialLinksByUrl(string pattern, int count)    {      if (m_links.Count == 0) getLinks();      List<Link> SpecialLinks = new List<Link>();      List<Link>.Enumerator i;      i = m_links.GetEnumerator();      int cnt = 0;      while (i.MoveNext() && cnt < count)      {        if (new Regex(pattern, RegexOptions.Multiline | RegexOptions.IgnoreCase).Match(i.Current.NavigateUrl).Success)        {          SpecialLinks.Add(i.Current);          cnt++;        }      }      return SpecialLinks;    }    /// <summary>    /// 此公有方法從本網頁的鏈接中提取一定數量的鏈接,該鏈接的文字滿足某正則式    /// </summary>    /// <param name="pattern">正則式</param>    /// <param name="count">返回的鏈接的個數</param>    /// <returns>List<Link></returns>    public List<Link> getSpecialLinksByText(string pattern, int count)    {      if (m_links.Count == 0) getLinks();      List<Link> SpecialLinks = new List<Link>();      List<Link>.Enumerator i;      i = m_links.GetEnumerator();      int cnt = 0;      while (i.MoveNext() && cnt < count)      {        if (new Regex(pattern, RegexOptions.Multiline | RegexOptions.IgnoreCase).Match(i.Current.Text).Success)        {          SpecialLinks.Add(i.Current);          cnt++;        }      }      return SpecialLinks;    }    /// <summary>    /// 這公有方法提取本網頁的純文本中滿足某正則式的文字 by 何問起    /// </summary>    /// <param name="pattern">正則式</param>    /// <returns>返回文字</returns>    public string getSpecialWords(string pattern)    {      if (m_outstr == "") getContext(Int16.MaxValue);      Regex regex = new Regex(pattern, RegexOptions.Multiline | RegexOptions.IgnoreCase);      Match mc = regex.Match(m_outstr);      if (mc.Success)        return mc.Groups[1].Value;      return string.Empty;    }    #endregion    #region 構造函數    private void Init(string _url)    {      try      {        m_uri = new Uri(_url);        m_links = new List<Link>();        m_html = "";        m_outstr = "";        m_title = "";        m_good = true;        if (_url.EndsWith(".rar") || _url.EndsWith(".dat") || _url.EndsWith(".msi"))        {          m_good = false;          return;        }        HttpWebRequest rqst = (HttpWebRequest)WebRequest.Create(m_uri);        rqst.AllowAutoRedirect = true;        rqst.MaximumAutomaticRedirections = 3;        rqst.UserAgent = "Mozilla/4.0 (compatible; MSIE 5.01; Windows NT 5.0)";        rqst.KeepAlive = true;        rqst.Timeout = 10000;        lock (WebPage.webcookies)        {          if (WebPage.webcookies.ContainsKey(m_uri.Host))            rqst.CookieContainer = WebPage.webcookies[m_uri.Host];          else          {            CookieContainer cc = new CookieContainer();            WebPage.webcookies[m_uri.Host] = cc;            rqst.CookieContainer = cc;          }        }        HttpWebResponse rsps = (HttpWebResponse)rqst.GetResponse();        Stream sm = rsps.GetResponseStream();        if (!rsps.ContentType.ToLower().StartsWith("text/") || rsps.ContentLength > 1 << 22)        {          rsps.Close();          m_good = false;          return;        }        Encoding cding = System.Text.Encoding.Default;        string contenttype = rsps.ContentType.ToLower();        int ix = contenttype.IndexOf("charset=");        if (ix != -1)        {          try          {            cding = System.Text.Encoding.GetEncoding(rsps.ContentType.Substring(ix + "charset".Length + 1));          }          catch          {            cding = Encoding.Default;          }          //該處視情況而定 有的需要解碼          //m_html = HttpUtility.HtmlDecode(new StreamReader(sm, cding).ReadToEnd());          m_html = new StreamReader(sm, cding).ReadToEnd();        }        else        {         //該處視情況而定 有的需要解碼          //m_html = HttpUtility.HtmlDecode(new StreamReader(sm, cding).ReadToEnd());          m_html = new StreamReader(sm, cding).ReadToEnd();          Regex regex = new Regex("charset=(?<cding>[^=]+)?/"", RegexOptions.IgnoreCase);          string strcding = regex.Match(m_html).Groups["cding"].Value;          try          {            cding = Encoding.GetEncoding(strcding);          }          catch          {            cding = Encoding.Default;          }          byte[] bytes = Encoding.Default.GetBytes(m_html.ToCharArray());          m_html = cding.GetString(bytes);          if (m_html.Split('?').Length > 100)          {            m_html = Encoding.Default.GetString(bytes);          }        }        m_pagesize = m_html.Length;        m_uri = rsps.ResponseUri;        rsps.Close();      }      catch (Exception ex)      {      }    }    public WebPage(string _url)    {      string uurl = "";      try      {        uurl = Uri.UnescapeDataString(_url);        _url = uurl;      }      catch { };      Init(_url);    }    #endregion}

調用:

WebPage webInfo = new WebPage("http://hovertree.net/");webInfo.Context;//不包含html標簽的所有內容webInfo.M_html;//包含html標簽的內容 by 何問起

希望本文所述對大家C#程序設計有所幫助。


注:相關教程知識閱讀請移步到c#教程頻道。
發表評論 共有條評論
用戶名: 密碼:
驗證碼: 匿名發表
亚洲香蕉成人av网站在线观看_欧美精品成人91久久久久久久_久久久久久久久久久亚洲_热久久视久久精品18亚洲精品_国产精自产拍久久久久久_亚洲色图国产精品_91精品国产网站_中文字幕欧美日韩精品_国产精品久久久久久亚洲调教_国产精品久久一区_性夜试看影院91社区_97在线观看视频国产_68精品久久久久久欧美_欧美精品在线观看_国产精品一区二区久久精品_欧美老女人bb
91久久久亚洲精品| 亚洲一区免费网站| 日韩欧美在线观看视频| 97在线视频免费播放| 国产日韩欧美视频| 色999日韩欧美国产| 欧美日韩另类视频| 国产精品jizz在线观看麻豆| 欧美一区二区三区图| 亚洲成av人片在线观看香蕉| 国产视频精品免费播放| 欧美xxxx综合视频| 日韩中文字幕av| 中文字幕精品www乱入免费视频| 91久久久精品| 国产精品吴梦梦| 午夜精品福利在线观看| 91精品视频免费看| 国内成人精品一区| 久久这里有精品| 国产99久久久欧美黑人| 国产一区二区三区丝袜| 青草青草久热精品视频在线观看| 久久久精品国产| 亚洲一级黄色av| 亚洲国模精品一区| 国产日韩欧美在线播放| 中文字幕日韩欧美精品在线观看| 欧美性做爰毛片| 亚洲欧洲中文天堂| 91伊人影院在线播放| 亚洲成人精品久久| 最新国产成人av网站网址麻豆| 欧美激情精品久久久久久变态| 日韩风俗一区 二区| 国产精品美女午夜av| 精品在线小视频| www.日韩不卡电影av| 中文字幕欧美在线| 国产精品999999| 亚洲精品国产美女| 亚洲欧洲第一视频| 亚洲免费av电影| 亚洲人成五月天| 久久精品美女视频网站| 久久影视免费观看| 久久精品国产欧美亚洲人人爽| 国产亚洲美女精品久久久| 亚洲免费视频观看| 538国产精品视频一区二区| 日韩人体视频一二区| 亚洲自拍偷拍福利| 日韩欧美国产网站| 国产一区红桃视频| 亚洲人精品午夜在线观看| 国产精品99蜜臀久久不卡二区| 亚洲亚裔videos黑人hd| 日韩电影第一页| 久久久久国产精品免费| 国产九九精品视频| 日韩经典中文字幕在线观看| 中文字幕在线视频日韩| 国产欧美va欧美va香蕉在| 日韩中文在线中文网三级| 欧美日韩国产综合新一区| 有码中文亚洲精品| 国产精品av在线播放| 最近2019好看的中文字幕免费| 精品久久中文字幕| 亚洲欧美成人一区二区在线电影| 日韩二区三区在线| 麻豆乱码国产一区二区三区| 久久成人国产精品| 欧美成人黑人xx视频免费观看| 欧美日产国产成人免费图片| 欧美另类交人妖| 岛国av在线不卡| 欧美精品生活片| 狠狠干狠狠久久| 亚洲另类激情图| 欧美巨乳在线观看| 国模精品视频一区二区| 中文字幕精品一区二区精品| 国产一区av在线| 久久精品国产电影| 欧美极品少妇xxxxⅹ免费视频| 亚洲欧美中文另类| 国产成人精品视频在线观看| 欧美电影在线观看高清| 中文字幕欧美日韩在线| 欧美俄罗斯性视频| 亚洲欧洲美洲在线综合| 精品久久久在线观看| 亚洲国产一区二区三区在线观看| 尤物九九久久国产精品的特点| 日韩av快播网址| 热久久美女精品天天吊色| 日本精品一区二区三区在线| 在线精品国产成人综合| 国产成人涩涩涩视频在线观看| 国产精品夫妻激情| 欧美尺度大的性做爰视频| 欧美亚洲激情在线| 中文字幕亚洲综合| 久久九九有精品国产23| 亚洲免费人成在线视频观看| 久久视频国产精品免费视频在线| 欧美视频在线观看免费网址| 96pao国产成视频永久免费| 91视频免费在线| 亚洲欧洲日产国产网站| 欧美专区在线视频| 91网站免费观看| 亚洲大胆美女视频| 欧美激情一级欧美精品| 日韩亚洲精品电影| 亚洲午夜色婷婷在线| 国产视频一区在线| 亚洲精品美女久久久久| 美日韩精品免费观看视频| 欧美极品美女视频网站在线观看免费| 91欧美精品午夜性色福利在线| 91高清免费在线观看| 亚洲第一精品久久忘忧草社区| 91国产精品电影| 日韩有码片在线观看| 91av视频在线播放| 韩日欧美一区二区| 久久综合伊人77777| 日韩女优人人人人射在线视频| 欧美激情免费观看| 日韩欧美精品中文字幕| 中文字幕日韩av综合精品| 91精品久久久久久久| 最新国产成人av网站网址麻豆| 热re91久久精品国99热蜜臀| 日韩国产激情在线| 国产精品白丝jk喷水视频一区| 国产精品成久久久久三级| 久久精品亚洲94久久精品| 欧美日韩亚洲91| 国产精品视频精品视频| 久久久国产一区| 久久久久国色av免费观看性色| 日本在线观看天堂男亚洲| 亚洲网在线观看| 国产精品永久免费视频| 中文字幕久久亚洲| 欧美在线亚洲一区| 国模精品视频一区二区| 亚洲全黄一级网站| 97国产在线观看| 在线观看中文字幕亚洲| 国产精品欧美日韩一区二区| 亚洲无av在线中文字幕| 久久久久久成人| 亚洲精品自拍偷拍| 亚洲色图17p| 亚洲视频第一页| 91牛牛免费视频| 国产精品久久99久久| 欧美在线精品免播放器视频| 久久久久久成人| 欧美性xxxxx极品娇小|