獲取網頁數據有很多種方式。在這裏主要講述通過WebClient、WebBrowser和HttpWebRequest/HttpWebResponse三種方式獲取網頁內容。

這裏獲取的是包括網頁的所有信息。如果單純需要某些數據內容。可以自己構造函數甄別摳除出來！一般的做法是根據源碼的格式，用正則來過濾出你需要的內容部分。

一、通過WebClient獲取網頁內容

這是一種很簡單的獲取方式，當然，其它的獲取方法也很簡單。在這裏首先要說明的是，如果為了實際項目的效率考慮，需要考慮在函數中分配一個內存區域。大概寫法如下

1. //MemoryStream是一個支持儲存區為內存的流。
2. byte[] buffer = new byte[1024];
3. using (MemoryStream memory = new MemoryStream())
4. {
5. int index = 1, sum = 0;
6. while (index * sum < 100 * 1024)
7. {
8. index = reader.Read(buffer, 0, 1024);
9. if (index > 0)
10. {
11. memory.Write(buffer, 0, index);
12. sum += index;
13. }
14. }
15. //網頁通常使用utf-8或gb2412進行編碼
16. Encoding.GetEncoding("gb2312").GetString(memory.ToArray());
17. if (string.IsNullOrEmpty(html))
18. {
19. return html;
20. }
21. else
22. {
23. Regex re = new Regex(@"charset=(? charset[/s/S]*?)[ |‘]");
24. Match m = re.Match(html.ToLower());
25. encoding = m.Groups[charset].ToString();
26. }
27. if (string.IsNullOrEmpty(encoding) || string.Equals(encoding.ToLower(), "gb2312"))
28. {
29. return html;
30. }
31. }

1. //using System.IO;
2. try
3. {
4. WebClient webClient = new WebClient();
5. webClient.Credentials = CredentialCache.DefaultCredentials;//獲取或設置用於向Internet資源的請求進行身份驗證的網絡憑據
6. Byte[] pageData = webClient.DownloadData("http://www.360doc.com/content/11/0427/03/1947337_112596569.shtml");
7. //string pageHtml = Encoding.Default.GetString(pageData); //如果獲取網站頁面采用的是GB2312，則使用這句
8. string pageHtml = Encoding.UTF8.GetString(pageData); //如果獲取網站頁面采用的是UTF-8，則使用這句
9. using (StreamWriter sw = new StreamWriter("e:\\ouput.txt"))//將獲取的內容寫入文本
10. {
11. htm = sw.ToString();//測試StreamWriter流的輸出狀態，非必須
12. sw.Write(pageHtml);
13. }
14. }
15. catch (WebException webEx)
16. {
17. Console.W
18. }

二、通過WebBrowser控件獲取網頁內容

相對來說，這是一種最簡單的獲取方式。拖WebBrowser控件進去，然後匹配下面這段代碼

1. WebBrowser web = new WebBrowser();
2. web.Navigate("http://www.163.com");
3. web.DocumentCompleted += new WebBrowserDocumentCompletedEventHandler(web_DocumentCompleted);
4. void web_DocumentCompleted(object sender, WebBrowserDocumentCompletedEventArgs e)
5. {
6. WebBrowser web = (WebBrowser)sender;
7. HtmlElementCollection ElementCollection = web.Document.GetElementsByTagName("Table");
8. foreach (HtmlElement item in ElementCollection)
9. {
10. File.AppendAllText("Kaijiang_xj.txt", item.InnerText);
11. }
12. }

三、使用HttpWebRequest/HttpWebResponse獲取網頁內容

這是一種比較通用的獲取方式。

1. public void GetHtml()
2. {
3. var url = "http://www.360doc.com/content/11/0427/03/1947337_112596569.shtml";
4. string strBuff = "";//定義文本字符串，用來保存下載的html
5. int byteRead = 0;
7. HttpWebRequest webRequest = (HttpWebRequest)WebRequest.Create(url);
8. HttpWebResponse webResponse = (HttpWebResponse)webRequest.GetResponse();
9. //若成功取得網頁的內容，則以System.IO.Stream形式返回，若失敗則產生ProtoclViolationException錯 誤。在此正確的做法應將以下的代碼放到一個try塊中處理。這裏簡單處理
10. Stream reader = webResponse.GetResponseStream();
11. ///返回的內容是Stream形式的，所以可以利用StreamReader類獲取GetResponseStream的內容，並以StreamReader類的Read方法依次讀取網頁源程序代碼每一行的內容，直至行尾（讀取的編碼格式：UTF8）
12. StreamReader respStreamReader = new StreamReader(reader,Encoding.UTF8);
14. ///分段，分批次獲取網頁源碼
15. char[] cbuffer = new char[1024];
16. byteRead = respStreamReader.Read(cbuffer,0,256);
18. while (byteRead != 0)
19. {
20. string strResp = new string(char,0,byteRead);
21. strBuff = strBuff + strResp;
22. byteRead = respStreamReader.Read(cbuffer,0,256);
23. }
24. using (StreamWriter sw = new StreamWriter("e:\\ouput.txt"))//將獲取的內容寫入文本
25. {
26. htm = sw.ToString();//測試StreamWriter流的輸出狀態，非必須
27. sw.Write(strBuff);
28. }
29. }

C#網頁采集數據的幾種方式(WebClient、WebBrowser和HttpWebRequest/HttpWebResponse)