使用C#获取网页HTML源码的例子

 更新时间:2014年08月13日 10:07:12   投稿:junjie  
这篇文章主要介绍了使用C#获取网页HTML源码的例子,考虑了区分GB2312和UTF-8编码,需要的朋友可以参考下

最近在做一个项目,其中一个功能是根据一个URL地址,获取到网页的源代码。在ASP.NET(C#)中,获取网页源代码貌似有很多种方法,我随便搞了一个简单的WebClient,非常简单容易。但后面一个非常恼火的问题出来了,那就是中文的乱码。

通过仔细研究,中文的网页不外乎GB2312和UTF-8这两种编码。于是有了下面这段代码:

复制代码 代码如下:

       /// <summary>
       /// 根据网址的URL,获取源代码HTML
       /// </summary>
       /// <param name="url"></param>
       /// <returns></returns>
       public static string GetHtmlByUrl(string url)
       {
           using (WebClient wc = new WebClient())
           {
               try
               {
                   wc.UseDefaultCredentials = true;
                   wc.Proxy = new WebProxy();
                   wc.Proxy.Credentials = CredentialCache.DefaultCredentials;
                   wc.Credentials = System.Net.CredentialCache.DefaultCredentials;
                   byte[] bt = wc.DownloadData(url);
                   string txt = System.Text.Encoding.GetEncoding("GB2312").GetString(bt);
                   switch (GetCharset(txt).ToUpper())
                   {
                       case "UTF-8":
                           txt = System.Text.Encoding.UTF8.GetString(bt);
                           break;
                       case "UNICODE":
                           txt = System.Text.Encoding.Unicode.GetString(bt);
                           break;
                       default:
                           break;
                   }
                   return txt;
               }
               catch (Exception ex)
               {
                   return null;
               }
           }
       }

稍微解释一下,这里使用了WebClient创建了一个wc对象(这命名有点尴尬了)。然后调用wc对象的DownloadData方法,传入URL值,返回一个字节数组。默认使用GB2312来读取这个字节数组,把它转换成字符串。从网页源代码的字符串中查找网页的编码格式的特征字符,如找到charset="utf-8"这样的信息,来判断当前网页的编码格式。

GetCharset这个函数就是来获取当前网页的编码格式的,具体代码如下:

复制代码 代码如下:
      /// <summary>
       /// 从HTML中获取获取charset
       /// </summary>
       /// <param name="html"></param>
       /// <returns></returns>
       public static string GetCharset(string html)
       {
           string charset = "";
           Regex regCharset = new Regex(@"content=[""'].*\s*charset\b\s*=\s*""?(?<charset>[^""']*)", RegexOptions.IgnoreCase);
           if (regCharset.IsMatch(html))
           {
               charset = regCharset.Match(html).Groups["charset"].Value;
           }
           if (charset.Equals(""))
           {
               regCharset = new Regex(@"<\s*meta\s*charset\s*=\s*[""']?(?<charset>[^""']*)", RegexOptions.IgnoreCase);
               if (regCharset.IsMatch(html))
               {
                   charset = regCharset.Match(html).Groups["charset"].Value;
               }
           }
           return charset;
       }

感觉写得不是很好,先将就着用,呵呵。小编原创,转载注明,呵呵。

相关文章

  • C#使用foreach语句遍历二维数组的方法

    C#使用foreach语句遍历二维数组的方法

    这篇文章主要介绍了C#使用foreach语句遍历二维数组的方法,实例分析了C#遍历数组的技巧,具有一定参考借鉴价值,需要的朋友可以参考下
    2015-04-04
  • C#泛型运作原理的深入理解

    C#泛型运作原理的深入理解

    这篇文章主要给大家介绍了关于C#泛型运作原理的深入理解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2021-03-03
  • 浅谈关于C#的垃圾回收机制

    浅谈关于C#的垃圾回收机制

    浅谈关于C#的垃圾回收机制,需要的朋友可以参考一下
    2013-03-03
  • Unity3D使用陀螺仪控制节点旋转

    Unity3D使用陀螺仪控制节点旋转

    这篇文章主要为大家详细介绍了Unity3D使用陀螺仪控制节点旋转,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2019-11-11
  • C#实现文件Move和Copy操作

    C#实现文件Move和Copy操作

    这篇文章介绍了C#实现文件Move和Copy操作的方法,文中通过示例代码介绍的非常详细。对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2022-04-04
  • WinForm ToolTip使用方法小结

    WinForm ToolTip使用方法小结

    这篇文章主要介绍了WinForm ToolTip使用方法小结,对C#初学者有一定的借鉴参考价值,需要的朋友可以参考下
    2014-08-08
  • C#计算矩阵的逆矩阵方法实例分析

    C#计算矩阵的逆矩阵方法实例分析

    这篇文章主要介绍了C#计算矩阵的逆矩阵方法,较为详细的分析了逆矩阵的计算原理与相关的C#实现技巧,具有一定参考借鉴价值,需要的朋友可以参考下
    2015-08-08
  • 使用C#编写简单的图形化的可发送附件的邮件客户端程序

    使用C#编写简单的图形化的可发送附件的邮件客户端程序

    这篇文章主要介绍了使用C#编写一个图形化的可发送附件的邮件客户端程序的方法,文中的示例同样是基于支持smtp协议的邮件服务器,需要的朋友可以参考下
    2016-02-02
  • 基于私钥加密公钥解密的RSA算法C#实现方法

    基于私钥加密公钥解密的RSA算法C#实现方法

    这篇文章主要介绍了基于私钥加密公钥解密的RSA算法C#实现方法,是应用非常广泛,需要的朋友可以参考下
    2014-08-08
  • 在C#中如何获取程序的命令行参数

    在C#中如何获取程序的命令行参数

    本文介绍了在C#中获取程序命令行参数的几种方法,包括重写Main方法和使用Environment.GetCommandLineArgs方法,还讨论了如何在不同的环境中设置命令行参数,如IDE、命令提示符、拖放和发送到菜单,文章提供了一个在目录层次结构中搜索文件的示例程序
    2025-01-01

最新评论