背景

隨著Internet的普及，網(wǎng)絡信息正以極高的速度增長，在這么多數(shù)據(jù)中找到自己需要的信息是一件很繁瑣的事情，找到需要的信息后如何獲取也是件麻煩的事。這就需要C#實現(xiàn)Internet信息抓取程序來代替人工的操作。
所謂Internet信息抓取程序，就是程序會按照用戶的關鍵詞或關鍵網(wǎng)站來收集相應的信息，并提供給用戶想要的信息格式。

信息量的增加會帶來信息網(wǎng)站發(fā)布人員工作量的劇增，為實現(xiàn)信息發(fā)布系統(tǒng)實現(xiàn)信息自
動發(fā)布、減少工作人員工作量、即時跟蹤最新信息，就需要自動信息提供程序，因此C#實現(xiàn)Internet信息抓取程序應運而生。

目標

實現(xiàn)自定義網(wǎng)站信息分類抓取，存入本地數(shù)據(jù)庫、生成靜態(tài)頁面或其它用戶定義的信息結構，并下載與信息相關的多媒體文件。

開發(fā)

目標站點結構分析
本步驟是準確抓取信息個關鍵。
首先要選擇更新頻率高的頁面做為抓取地址，然后分析要抓取內(nèi)容頁面url特點。
然后分析要抓取信息頁面的元素特性，比如標題位置，內(nèi)容位置 等，得到定位標記點。
將以上信息寫成自己的配置文件或存到數(shù)據(jù)庫中。
每個網(wǎng)站都需要分析，寫出單獨的配置文件，供抓取程序使用。

信息提取
根據(jù)配置文件取得要抓取頁面url，使用HttpWebRequest類獲取內(nèi)容：

//獲取http頁面函數(shù)  
publicstringGet_Http(stringa_strUrl,inttimeout)  
{  
stringstrResult;  
 
try  
{  
HttpWebRequestmyReq=(HttpWebRequest)HttpWebRequest.Create(a_strUrl);  
myReq.Timeout=timeout;  
HttpWebResponseHttpWResp=(HttpWebResponse)myReq.GetResponse();  
 
StreammyStream=HttpWResp.GetResponseStream();  
 
StreamReadersr=newStreamReader(myStream,Encoding.Default);  
StringBuilderstrBuilder=newStringBuilder();  
while(-1!=sr.Peek())  
{  
strBuilder.Append(sr.ReadLine()+"\r\n");  
}  
 
strResult=strBuilder.ToString();  
}  
catch(Exceptionexp)  
{  
strResult="錯誤："+exp.Message;  
}  
 
returnstrResult;  
 
} 

以上介紹C#實現(xiàn)Internet信息抓取

【編輯推薦】

1. C#特有線程功能
2. 淺談C#對象和集合
3. 淺析C# FTP WebRequest對象
4. C#分部方法的應用場景
5. 概述C#線程功能