浅析基于ASP.NET网页的C#数据采集-c#数据采集

经过几天的努力，最终还是给我研究出来了。心里还是挺高兴的袄。其实网页采集也没有用到什么高深的技术，都是些普普通通的技术，只不过效果比较神奇，就会让人感觉到整个都比较深奥，如果你想学习.NET的数据采集，以及思路，那么请看完。

C#数据采集大体可以分为两部曲：

一部曲：

因为要采集别人网页上的内容，所有我们先要得到要采集网页上的html代码，获取html代码还是比较简单。利用WebClient的DownloadData(url)得带byte数组，然后在转换成string字符串。

具体代码如下：

///<summary>  
///获取网页源代码  
///</summary>  
///<paramname="url">URL路径</param>  
///<paramname="encoding">编码方式</param>  
publicstringGetHTML(stringurl,stringencoding)  
{  
WebClientweb=newWebClient();  
byte[]buffer=web.DownloadData(url);  
returnEncoding.GetEncoding(encoding).GetString(buffer);  
}

二部曲：

现在我们得到了目标网页的html代码，那么我们就开始时得扣取我们想要的数据。扣取数据无疑就要用到强大的正则表达式了。利用正则表达式的匹配来获取我们要的内容，这里可以过滤掉制定的html代码，剩下的就是内容了。

C#数据采集具体代码如下：

Htmlhtml=newHtml();  
//得到指定页面的html代码，***个参数为url(貌似都知道),第二个是目标网页的编码集  
stringhtmlCode=html.GetHTML("http://gvod.tom59.cn/List.asp?ClassId=3","gb2312");  
//正则表达式  
Regexregexarticles=newRegex("<td\\s+height=\"\\d+\"><a\\s+href=\".+DataId=(?<id>\\d+)\"\\s+target=\"_blank\">(?<title>.+)</a>.*</td>");  
//所有匹配表达式的内容  
MatchCollectionmarticles=regexarticles.Matches(htmlCode);  
///遍历匹配内容  
foreach(Matchminmarticles)  
{  
Console.Write("标题:"+m.Groups["title"].Value+"\n");  
Console.Write("id:"+m.Groups["id"].Value+"\n");  
Console.Write("\n");  
}

以上就是C#数据采集的核心代码，关于正则表达式我在这里就不详细讲解了(其实正则表达式我也是菜鸟哈)。

C#数据采集结语：

大部分看似很神奇的功能，都是我们平常所用的功能拼加起来的，其实仔细分析起来也没有多大的难度，只要能够认真研究。

本文来自畫上句號的新浪博客文章《asp.net/C#网页数据采集》

【编辑推荐】