C# HttpWebRequest 绝技 根据URL地址获取网页信息
Posted sntetwt
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了C# HttpWebRequest 绝技 根据URL地址获取网页信息相关的知识，希望对你有一定的参考价值。
如果要使用中间的方法的话，可以访问我的帮助类完全免费开源：C# HttpHelper,帮助类,真正的Httprequest请求时无视编码，无视证书，无视Cookie,网页抓取 1.第一招，根据URL地址获取网页信息 先来看一下代码 get方法 复制代码 publicstaticstring GetUrltohtml(string Url,string type) { try { System.Net.WebRequest wReq = System.Net.WebRequest.Create(Url); // Get the response instance. System.Net.WebResponse wResp = wReq.GetResponse(); System.IO.Stream respStream = wResp.GetResponseStream(); // Dim reader As StreamReader = New StreamReader(respStream) using (System.IO.StreamReader reader = new System.IO.StreamReader(respStream, Encoding.GetEncoding(type))) { return reader.ReadToEnd(); } } catch (System.Exception ex) { //errorMsg = ex.Message; } return""; } 复制代码 post方法 复制代码 ///<summary> ///采用https协议访问网络 ///</summary> ///<param name="URL">url地址</param> ///<param name="strPostdata">发送的数据</param> ///<returns></returns> publicstring OpenReadWithHttps(string URL,string strPostdata,string strEncoding) { Encoding encoding = Encoding.Default; HttpWebRequest request = (HttpWebRequest)WebRequest.Create(URL); request.Method ="post"; request.Accept ="text/html, application/xhtml+xml, */*"; request.ContentType ="application/x-www-form-urlencoded"; byte[] buffer= encoding.GetBytes(strPostdata); request.ContentLength = buffer.Length; request.GetRequestStream().Write(buffer, 0, buffer.Length); HttpWebResponse response = (HttpWebResponse)request.GetResponse(); using( StreamReader reader =new StreamReader(response.GetResponseStream(), System.Text.Encoding.GetEncoding(strEncoding))) { return reader.ReadToEnd(); } } 复制代码 这招是入门第一式， 特点： 1.最简单最直观的一种，入门课程。 2.适应于明文，无需登录，无需任何验证就可以进入的页面。 3.获取的数据类型为HTML文档。 4.请求方法为Get/Post 2.第二招，根据URL地址获取需要验证证书才能访问的网页信息 先来看一下代码 get方法 复制代码 //回调验证证书问题 publicbool CheckValidationResult(object sender, X509Certificate certificate, X509Chain chain, SslPolicyErrors errors) { // 总是接受 returntrue; } /// <summary> /// 传入URL返回网页的html代码 /// </summary> /// <param name="Url">URL</param> /// <returns></returns> publicstring GetUrltoHtml(string Url) { StringBuilder content =new StringBuilder(); try { //这一句一定要写在创建连接的前面。使用回调的方法进行证书验证。 ServicePointManager.ServerCertificateValidationCallback=new System.Net.Security.RemoteCertificateValidationCallback(CheckValidationResult); // 与指定URL创建HTTP请求 HttpWebRequest request = (HttpWebRequest)WebRequest.Create(Url); //创建证书文件 X509Certificate objx509 = new X509Certificate(Application.StartupPath+"\\\\123.cer"); //添加到请求里 request.ClientCertificates.Add(objx509); // 获取对应HTTP请求的响应 HttpWebResponse response = (HttpWebResponse)request.GetResponse(); // 获取响应流 Stream responseStream = response.GetResponseStream(); // 对接响应流(以"GBK"字符集) StreamReader sReader =new StreamReader(responseStream, Encoding.GetEncoding("utf-8")); // 开始读取数据 Char[] sReaderBuffer =new Char[256]; int count= sReader.Read(sReaderBuffer,0,256); while (count>0) { String tempStr =new String(sReaderBuffer,0, count); content.Append(tempStr); count = sReader.Read(sReaderBuffer,0,256); } // 读取结束 sReader.Close(); } catch (Exception) { content =new StringBuilder("Runtime Error"); } return content.ToString(); } 复制代码 post方法 复制代码 //回调验证证书问题 publicbool CheckValidationResult(object sender, X509Certificate certificate, X509Chain chain, SslPolicyErrors errors) { // 总是接受 returntrue; } ///<summary> ///采用https协议访问网络 ///</summary> ///<param name="URL">url地址</param> ///<param name="strPostdata">发送的数据</param> ///<returns></returns> publicstring OpenReadWithHttps(string URL,string strPostdata,string strEncoding) { // 这一句一定要写在创建连接的前面。使用回调的方法进行证书验证。 ServicePointManager.ServerCertificateValidationCallback=new System.Net.Security.RemoteCertificateValidationCallback(CheckValidationResult); Encoding encoding = Encoding.Default; HttpWebRequest request = (HttpWebRequest)WebRequest.Create(URL); //创建证书文件 X509Certificate objx509 =new X509Certificate(Application.StartupPath+"\\\\123.cer"); //加载Cookie request.CookieContainer =new CookieContainer(); //添加到请求里 request.ClientCertificates.Add(objx509); request.Method ="post"; request.Accept ="text/html, application/xhtml+xml, */*"; request.ContentType ="application/x-www-form-urlencoded"; byte[] buffer= encoding.GetBytes(strPostdata); request.ContentLength = buffer.Length; request.GetRequestStream().Write(buffer, 0, buffer.Length); HttpWebResponse response = (HttpWebResponse)request.GetResponse(); using (StreamReader reader =new StreamReader(response.GetResponseStream(), System.Text.Encoding.GetEncoding(strEncoding))) { return reader.ReadToEnd(); } } 复制代码 这招是学会算是进了大门了，凡是需要验证证书才能进入的页面都可以使用这个方法进入，我使用的是证书回调验证的方式，证书验证是否通过在客户端验证，这样的话我们就可以使用自己定义一个方法来验证了，有的人会说那也不清楚是怎么样验证的啊，其它很简单，代码是自己写的为什么要那么难为自己呢，直接返回一个True不就完了，永远都是验证通过，这样就可以无视证书的存在了， 特点： 1.入门前的小难题，初级课程。 2.适应于无需登录，明文但需要验证证书才能访问的页面。 3.获取的数据类型为HTML文档。 4.请求方法为Get/Post 3.第三招，根据URL地址获取需要登录才能访问的网页信息 我们先来分析一下这种类型的网页，需要登录才能访问的网页，其它呢也是一种验证，验证什么呢，验证客户端是否登录，是否具用相应的凭证，需要登录的都要验证SessionID这是每一个需要登录的页面都需要验证的，那我们怎么做的，我们第一步就是要得存在Cookie里面的数据包括SessionID，那怎么得到呢，这个方法很多，使用ID9或者是火狐浏览器很容易就能得到，可以参考我的文章 提供一个网页抓取hao123手机号码归属地的例子 这里面针对ID9有详细的说明。 如果我们得到了登录的Cookie信息之后那个再去访问相应的页面就会非常的简单了，其它说白了就是把本地的Cookie信息在请求的时候捎带过去就行了。 看代码 get方法 View Code ///<summary> /// 传入URL返回网页的html代码带有证书的方法 /// </summary> /// <param name="Url">URL</param> /// <returns></returns> publicstring GetUrltoHtml(string Url) { StringBuilder content =new StringBuilder(); try { // 与指定URL创建HTTP请求 HttpWebRequest request = (HttpWebRequest)WebRequest.Create(Url); request.UserAgent ="Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0; BOIE9;ZHCN)"; request.Method ="GET"; request.Accept ="*/*"; //如果方法验证网页来源就加上这一句如果不验证那就可以不写了 request.Referer ="http://sufei.cnblogs.com"; CookieContainer objcok =new CookieContainer(); objcok.Add(new Uri("http://sufei.cnblogs.com"),new Cookie("键","值")); objcok.Add(new Uri("http://sufei.cnblogs.com"),new Cookie("键","值")); objcok.Add(new Uri("http://sufei.cnblogs.com"),new Cookie("sidi_sessionid","360A748941D055BEE8C960168C3D4233")); request.CookieContainer = objcok; //不保持连接 request.KeepAlive =true; // 获取对应HTTP请求的响应 HttpWebResponse response = (HttpWebResponse)request.GetResponse(); // 获取响应流 Stream responseStream = response.GetResponseStream(); // 对接响应流(以"GBK"字符集) StreamReader sReader =new StreamReader(responseStream, Encoding.GetEncoding("gb2312")); // 开始读取数据 Char[] sReaderBuffer =new Char[256]; int count= sReader.Read(sReaderBuffer,0,256); while (count>0) { String tempStr =new String(sReaderBuffer,0, count); content.Append(tempStr); count = sReader.Read(sReaderBuffer,0,256); } // 读取结束 sReader.Close(); } catch (Exception) { content =new StringBuilder("Runtime Error"); } return content.ToString(); } post方法。 View Code ///<summary> ///采用https协议访问网络 ///</summary> ///<param name="URL">url地址</param> ///<param name="strPostdata">发送的数据</param> ///<returns></returns> publicstring OpenReadWithHttps(string URL,string strPostdata) { Encoding encoding = Encoding.Default; HttpWebRequest request = (HttpWebRequest)WebRequest.Create(URL); request.Method ="post"; request.Accept ="text/html, application/xhtml+xml, */*"; request.ContentType ="application/x-www-form-urlencoded"; CookieContainer objcok =new CookieContainer(); objcok.Add(new Uri("http://sufei.cnblogs.com"),new Cookie("键","值")); objcok.Add(new Uri("http://sufei.cnblogs.com"),new Cookie("键","值")); objcok.Add(new Uri("http://sufei.cnblogs.com"),new Cookie("sidi_sessionid","360A748941D055BEE8C960168C3D4233")); request.CookieContainer = objcok; byte[] buffer= encoding.GetBytes(strPostdata); request.ContentLength = buffer.Length; request.GetRequestStream().Write(buffer, 0, buffer.Length); HttpWebResponse response = (HttpWebResponse)request.GetResponse(); StreamReader reader =new StreamReader(response.GetResponseStream(), System.Text.Encoding.GetEncoding("utf-8")); return reader.ReadToEnd(); } 特点： 1.还算有点水类型的，练习成功后可以小牛一把。 2.适应于需要登录才能访问的页面。 3.获取的数据类型为HTML文档。 4.请求方法为Get/Post 总结一下，其它基本的技能就这几个部分，如果再深入的话那就是基本技能的组合了 比如， 1. 先用Get或者Post方法登录然后取得Cookie再去访问页面得到信息，这种其它也是上面技能的组合， 这里需要以请求后做这样一步 response.Cookies 这就是在你请求后可以得到当次Cookie的方法，直接取得返回给上一个方法使用就行了，上面我们都是自己构造的，在这里直接使用这个Cookie就可以了。 2.如果我们碰到需要登录而且还要验证证书的网页怎么办，其它这个也很简单把我们上面的方法综合 一下就行了 如下代码这里我以Get为例子Post例子也是同样的方法 View Code ///<summary> /// 传入URL返回网页的html代码 /// </summary> /// <param name="Url">URL</param> /// <returns></returns> publicstring GetUrltoHtml(string Url) { StringBuilder content =new StringBuilder(); try { //这一句一定要写在创建连接的前面。使用回调的方法进行证书验证。 ServicePointManager.ServerCertificateValidationCallback=new System.Net.Security.RemoteCertificateValidationCallback(CheckValidationResult); // 与指定URL创建HTTP请求 HttpWebRequest request = (HttpWebRequest)WebRequest.Create(Url); //创建证书文件 X509Certificate objx509 = new X509Certificate(Application.StartupPath+"\\\\123.cer"); //添加到请求里 request.ClientCertificates.Add(objx509); CookieContainer objcok =new CookieContainer(); objcok.Add(new Uri("http://www.cnblogs.com"),new Cookie("键","值")); objcok.Add(new Uri("http://www.cnblogs.com"),new Cookie("键","值")); objcok.Add(new Uri("http://www.cnblogs.com"),new Cookie("sidi_sessionid","360A748941D055BEE8C960168C3D4233")); request.CookieContainer = objcok; // 获取对应HTTP请求的响应 HttpWebResponse response = (HttpWebResponse)request.GetResponse(); // 获取响应流 Stream responseStream = response.GetResponseStream(); // 对接响应流(以"GBK"字符集) StreamReader sReader =new StreamReader(responseStream, Encoding.GetEncoding("utf-8")); // 开始读取数据 Char[] sReaderBuffer =new Char[256]; int count= sReader.Read(sReaderBuffer,0,256); while (count>0) { String tempStr =new String(sReaderBuffer,0, count); content.Append(tempStr); count = sReader.Read(sReaderBuffer,0,256); } // 读取结束 sReader.Close(); } catch (Exception) { content =new StringBuilder("Runtime Error"); } return content.ToString(); } 3.如果我们碰到那种需要验证网页来源的方法应该怎么办呢，这种情况其它是有些程序员会想到你可能会使用程序，自动来获取网页信息，为了防止就使用页面来源来验证，就是说只要不是从他们所在页面或是域名过来的请求就不接受，有的是直接验证来源的IP，这些都可以使用下面一句来进入，这主要是这个地址是可以直接伪造的 request.Referer ="http://sufei.cnblogs.com"; 呵呵其它很简单因为这个地址可以直接修改。但是如果服务器上验证的是来源的URL那就完了，我们就得去修改数据包了，这个有点难度暂时不讨论。 4.提供一些与这个例子相配置的方法 过滤HTML标签的方法 View Code ///<summary> /// 过滤html标签 /// </summary> /// <param name="strHtml">html的内容</param> /// <returns></returns> publicstaticstring StripHTML(string stringToStrip) { // paring using RegEx // stringToStrip = Regex.Replace(stringToStrip,"</p(?:\\\\s*)>(?:\\\\s*)<p(?:\\\\s*)>","\\n\\n", RegexOptions.IgnoreCase| RegexOptions.Compiled); stringToStrip = Regex.Replace(stringToStrip,"<br(?:\\\\s*)/>","\\n", RegexOptions.IgnoreCase| RegexOptions.Compiled); stringToStrip = Regex.Replace(stringToStrip,"\\"","\'\'", RegexOptions.IgnoreCase| RegexOptions.Compiled); stringToStrip = StripHtmlXmlTags(stringToStrip); return stringToStrip; } privatestaticstring StripHtmlXmlTags(string content) { return Regex.Replace(content,"<[^>]+>","", RegexOptions.IgnoreCase| RegexOptions.Compiled); } URL转化的方法 复制代码 #region 转化 URL publicstaticstring URLDecode(string text) { return HttpUtility.UrlDecode(text, Encoding.Default); } publicstaticstring URLEncode(string text) { return HttpUtility.UrlEncode(text, Encoding.Default); } #endregion 复制代码 提供一个实际例子，这个是使用IP138来查询手机号码归属地的方法，其它在我的上一次文章里都有，在这里我再放上来是方便大家阅读，这方面的技术其它研究起来很有意思，希望大家多提建议，我相信应该还有更多更好，更完善的方法，在这里给大家提供一个参考吧。感谢支持 上例子 复制代码 ///<summary> /// 输入手机号码得到归属地信息 /// </summary> /// <param name="number">手机号码</param> /// <returns>数组类型0为归属地，1卡类型，2区 号，3邮 编</returns> publicstaticstring[] getTelldate(string number) { try { string strSource= GetUrltoHtml("http://www.ip138.com:8080/search.asp?action=mobile&mobile="+ number.Trim()); //归属地 strSource = strSource.Substring(strSource.IndexOf(number)); strSource = StripHTML(strSource); strSource = strSource.Replace("\\r",""); strSource = strSource.Replace("\\n",""); strSource = strSource.Replace("\\t",""); strSource = strSource.Replace(" ",""); strSource = strSource.Replace("-->",""); string[] strnumber= strSource.Split(newstring[] { "归属地","卡类型","邮 编","区 号","更详细","卡号" }, StringSplitOptions.RemoveEmptyEntries); string[] strnumber1=null; if (strnumber.Length>4) { strnumber1 =newstring[] { strnumber[1].Trim(), strnumber[2].Trim(), strnumber[3].Trim(), strnumber[4].Trim() }; } return strnumber1; } catch (Exception) { returnnull; } } 复制代码 这个例子写是不怎么样，些地方是可以简化的，这个接口而且可以直接使用Xml得到，但我在这里的重点是让一些新手看看方法和思路风凉啊，呵呵 第四招，通过Socket访问 ------------------------------------------------------------------------------------------------------------ 复制代码 ///<summary> /// 请求的公共类用来向服务器发送请求 ///</summary> ///<param name="strSMSRequest">发送请求的字符串</param> ///<returns>返回的是请求的信息</returns> private static string SMSrequest(string strSMSRequest) { byte[] data = new byte[1024]; string stringData = null; IPHostEntry gist = Dns.GetHostByName("www.110.cn"); IPAddress ip = gist.AddressList[0]; //得到IP IPEndPoint ipEnd = new IPEndPoint(ip, 3121); //默认80端口号 Socket socket = new Socket(AddressFamily.InterNetwork, SocketType.Stream, ProtocolType.Tcp); //使用tcp协议 stream类型 try { socket.Connect(ipEnd); } catch (SocketException ex) { return "Fail to connect server\\r\\n" + ex.ToString(); } string path = strSMSRequest.ToString().Trim(); StringBuilder buf = new StringBuilder(); //buf.Append("GET ").Append(path).Append(" HTTP/1.0\\r\\n"); //buf.Append("Content-Type: application/x-www-form-urlencoded\\r\\n"); //buf.Append("\\r\\n"); byte[] ms = System.Text.UTF8Encoding.UTF8.GetBytes(buf.ToString()); //提交请求的信息 socket.Send(ms); //接收返回 string strSms = ""; int recv = 0; do { recv = socket.Receive(data); stringData = Encoding.ASCII.GetString(data, 0, recv); //如果请求的页面meta中指定了页面的encoding为gb2312则需要使用对应的Encoding来对字节进行转换() strSms = strSms + stringData; //strSms += recv.ToString(); } while (recv != 0); socket.Shutdown(SocketShutdown.Both); socket.Close(); return strSms; }
以上是关于C# HttpWebRequest 绝技 根据URL地址获取网页信息的主要内容，如果未能解决你的问题，请参考以下文章