C# 实现抓取网站页面内容

抓取新浪网的新闻栏目，如图所示：

使用 谷歌浏览器的查看源代码： 通过分析得知，我们所要找的内容在以下两个标签之间：

<!-- publish_helper name='要闻-新闻' p_id='1' t_id='850' d_id='1' -->


内容。。。。



<!-- publish_helper name='要闻-财经' p_id='30' t_id='98' d_id='1' -->

如图所示：

内容。。。。

使用VS建立一个如图所示的网站：

我们下载网络数据主要通过   WebClient 类来实现。

使用下面源代码获取我们选择的内容：

        protected void Enter_Click(object sender, EventArgs e)
        {
            WebClient we = new WebClient();  //主要使用WebClient类
            byte[] myDataBuffer;
            myDataBuffer = we.DownloadData(txtURL.Text);  //该方法返回的是 字节数组，所以需要定义一个byte[]
            string download = Encoding.Default.GetString(myDataBuffer);  //对下载的数据进行编码

           
            //通过查询源代码，获取某两个值之间的新闻内容
            int startIndex = download.IndexOf("<!-- publish_helper name='要闻-新闻' p_id='1' t_id='850' d_id='1' -->");
            int endIndex = download.IndexOf("<!-- publish_helper name='要闻-财经' p_id='30' t_id='98' d_id='1' -->");
            
            string temp = download.Substring(startIndex, endIndex - startIndex + 1);  //截取新闻内容

            lblMessage.Text = temp;//显示所截取的新闻内容
        }

效果如图：

 

最后: 除了把下载的数据保存为文本以外，还可以保存为 文件类型 和 流 类型。

            WebClient wc = new WebClient();
            wc.DownloadFile(TextBox1.Text, @"F:	est.txt");
            Label1.Text = "文件下载完成";        

 　　　　　　WebClient wc = new WebClient();
            Stream  s =  wc.OpenRead(TextBox1.Text);
           
            StreamReader sr = new StreamReader(s);
            Label1.Text =  sr.ReadToEnd();