文章抓取ASP.NET源码

【实例简介】

最近在做一些资源采集的工作，比如采集新闻，flash，图片等，通过这个小例子，来详细的说明一下我采集资源的步骤：

1.首先下载第一个网页。
2.分析要抓取的文章的链接，可以通过正则表达式获取链接
3.通过文章的链接下载文章正文

具体详见源码。

【实例截图】

【核心代码】

using System;
using System.Collections.Generic;
using System.Web;
using System.Web.UI;
using System.Web.UI.WebControls;
using System.Net;
using System.IO;
using System.Text.RegularExpressions;

namespace CatchDemo
{
    public partial class _Default : System.Web.UI.Page
    {
        protected void Page_Load(object sender, EventArgs e)
        {

        }

        protected void CatchBtn_Click(object sender, EventArgs e)   //为了方便展示，就写在一个点击事件里面了。
        {
            string seed = "http://www.ebigear.com/reslist-92-1.html";
            HttpWebRequest wRequest = (HttpWebRequest)HttpWebRequest.Create(seed);
            WebResponse wResponse = wRequest.GetResponse();
            string html="";
            using(   Stream stream = wResponse.GetResponseStream())
            {
                using (StreamReader streamReader = new StreamReader(stream))
                {
                     html= streamReader.ReadToEnd();   //获取seed 网页的源代码
                }               
            }
            
           
            Regex rg1 = new Regex("/res-92[^\"] html", RegexOptions.Compiled |RegexOptions.IgnoreCase);
            Regex rgContent = new Regex("(?<=<div\\s*id=\"enText\"\\s*style=\"display:block\">).*?(?=</div>)",RegexOptions.IgnoreCase|RegexOptions.Multiline|RegexOptions.Compiled);
            MatchCollection mc=rg1.Matches(html);
            Regex rgN = new Regex("\n|\r|\t");
            Regex rgReplace = new Regex("&quot;");

            //上面定义几个需要用到的正则表达式 

            foreach (Match a in mc)
            {
                string catchUrl = @"http://www.ebigear.com"   a.Value;
                wRequest = (HttpWebRequest)HttpWebRequest.Create(catchUrl);
                wResponse = wRequest.GetResponse();
                using(Stream  stream = wResponse.GetResponseStream())
                {
                    using(StreamReader streamReader = new StreamReader(stream))
                    {
                     html = streamReader.ReadToEnd();
                    }       
                }
               
                ShowBox.Text = rgContent.Match(rgReplace.Replace( rgN.Replace(html,""),"\"")).Value "\n\n\n\n\n";  //这里的几个/n只是为了区分抓取的文章而写的，没有别的意思
            }
        
            //ps:有问题或者有建议，可以在我blog上留言 ，谢谢。
        }
    }
}