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

2020-01-24 00:40:07
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

PS:這里再為大家提供2款非常方便的正則表達式工具供大家參考使用:

JavaScript正則表達式在線測試工具:
http://tools.VeVB.COm/regex/javascript

正則表達式在線生成工具:
http://tools.VeVB.COm/regex/create_reg

更多關于C#相關內容感興趣的讀者可查看本站專題:《C#正則表達式用法總結》、《C#編碼操作技巧總結》、《C#中XML文件操作技巧匯總》、《C#常見控件用法教程》、《WinForm控件用法總結》、《C#數據結構與算法教程》、《C#面向對象程序設計入門教程》及《C#程序設計之線程使用技巧總結

希望本文所述對大家C#程序設計有所幫助。

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
国产热re99久久6国产精品| 91精品国产91久久久久久吃药| 欧美成人精品在线观看| 亚洲天堂精品在线| 精品国产91久久久久久| 夜夜躁日日躁狠狠久久88av| 国产一区二区三区久久精品| 欧美日韩在线观看视频| 粉嫩av一区二区三区免费野| 国产在线精品播放| 亚洲欧美在线免费| 日韩欧美在线视频日韩欧美在线视频| 成人在线观看视频网站| 亚洲自拍偷拍色图| 伊人亚洲福利一区二区三区| 国产亚洲欧美aaaa| 欧美激情xxxx性bbbb| 欧美超级免费视 在线| 欧美第一黄网免费网站| 国产亚洲欧美另类中文| 91亚洲va在线va天堂va国| 国模精品系列视频| 中文字幕亚洲一区二区三区| 成人欧美一区二区三区黑人| 亚洲日韩中文字幕在线播放| 日韩最新在线视频| 国语自产精品视频在线看抢先版图片| 中文字幕日韩电影| 91久久久久久久久久久| 亚洲视频视频在线| 成人xxxxx| 26uuu另类亚洲欧美日本老年| 亚洲第一精品电影| 91久久久国产精品| 日韩在线视频播放| 中文国产成人精品久久一| 777午夜精品福利在线观看| 国产伊人精品在线| 亚洲国产高清高潮精品美女| 操日韩av在线电影| 亚洲影院色在线观看免费| 久久精品视频网站| 7m第一福利500精品视频| 国产在线观看精品一区二区三区| 欧洲亚洲女同hd| 欧美成人免费播放| 91高清免费视频| 亚洲天堂网站在线观看视频| 成人网欧美在线视频| 国产免费观看久久黄| 91精品国产综合久久香蕉的用户体验| 亚洲美女av在线播放| 亚洲精品永久免费| 欧美激情亚洲另类| 91精品久久久久久久久久| 久久久精品网站| 91亚洲精品久久久久久久久久久久| 欧美大学生性色视频| 日韩免费观看在线观看| 米奇精品一区二区三区在线观看| 国产欧美一区二区三区在线| 国产亚洲激情在线| 亚洲最大福利视频网站| 久久久亚洲影院你懂的| 欧美日韩国产一区中文午夜| 亚洲天堂2020| 国产91精品不卡视频| 亚洲视频免费一区| 国产精品久久久久久久久久东京| 琪琪第一精品导航| 久久久成人精品视频| 日韩精品福利在线| 精品国模在线视频| 日本午夜在线亚洲.国产| 日韩麻豆第一页| 97久久精品人搡人人玩| 欧美日韩亚洲激情| 久久亚洲一区二区三区四区五区高| 色狠狠av一区二区三区香蕉蜜桃| 欧美激情一级精品国产| 一区二区三区视频免费在线观看| 国产97在线观看| 精品夜色国产国偷在线| 中文字幕精品一区二区精品| 欧美日韩在线视频观看| 色噜噜狠狠狠综合曰曰曰88av| 久久久免费精品| 久久中文字幕国产| 国产欧美日韩亚洲精品| 91tv亚洲精品香蕉国产一区7ujn| 视频在线一区二区| 国产精品亚洲视频在线观看| 国产做受高潮69| 亚洲片国产一区一级在线观看| 久久精品99久久久香蕉| 亚洲欧美中文日韩v在线观看| 亚洲伊人成综合成人网| 亚洲乱亚洲乱妇无码| 欧美精品激情在线| 热久久免费视频精品| 北条麻妃一区二区三区中文字幕| 91久久久久久久久久久| 成人在线国产精品| 国产91免费观看| 91精品国产91久久久| 国内精品在线一区| 2019日本中文字幕| 日韩免费av一区二区| 精品女厕一区二区三区| 亚洲色图校园春色| 91亚洲精品久久久久久久久久久久| 亚洲第一免费播放区| 性欧美暴力猛交69hd| 国产精品直播网红| 欧美日韩美女在线| 成年人精品视频| 欧美一区二区三区图| 欧美成人精品不卡视频在线观看| 国产精品久久视频| 国产91网红主播在线观看| 狠狠躁夜夜躁人人爽天天天天97| 成人网欧美在线视频| 日韩精品中文字幕有码专区| 久久精品国产成人精品| 国产丝袜一区视频在线观看| 国产a∨精品一区二区三区不卡| 国产视频在线观看一区二区| 国产精品美女网站| 国产精品丝袜视频| 欧美一区二区三区精品电影| 一区二区三区四区视频| 91久久国产精品| 亚洲午夜国产成人av电影男同| 一区二区成人精品| 国产精品久久国产精品99gif| 精品日本美女福利在线观看| 色无极亚洲影院| 国产成人a亚洲精品| 中文字幕av一区二区三区谷原希美| 欧美亚洲视频一区二区| 成人国产精品av| 日韩在线视频免费观看高清中文| 欧美精品aaa| 中文字幕av一区二区三区谷原希美| 亚洲情综合五月天| 91精品国产91久久久久久久久| 国产视频久久久久久久| 日韩中文字幕在线免费观看| 国产不卡在线观看| 亚洲人成77777在线观看网| 91亚洲精品久久久久久久久久久久| 色悠久久久久综合先锋影音下载| 成人午夜在线影院| 国产精品96久久久久久| 欧美日韩亚洲系列| 九九热r在线视频精品| 欧美韩国理论所午夜片917电影| 久久精彩免费视频| 亚洲天堂av综合网| 欧美电影电视剧在线观看| 欧美特黄级在线| 久久精品国产一区二区电影| 欧美午夜丰满在线18影院| 精品亚洲永久免费精品|