.NET中获取HTML页面并提取其中的超链接

下列的函数分别用于获取HTML页面和提取页面中的超链接。

using System.Net; using System.IO; using System.Text; using System.Text.RegularExpressions;string[] GetLink(string strHtml) {string RegexStr = "(?<=href[//s//r]*=[//s//r]*[/"/'])([^/"/'//s//r>]*)(?<=[/"/'//s//r]{0,1})";Regex reg = new Regex(RegexStr, RegexOptions.IgnoreCase);MatchCollection mc = reg.Matches(strHtml);if (mc.Count > 0){string[] strHref = new string[mc.Count];int i = 0;foreach (Match m in mc){strHref[i] = m.Groups[1].Value;++i;}return strHref;}return null; }string GetHttp(string strUrl) {string strHtml = "";WebResponse wrp = null;try{WebRequest wrq = WebRequest.Create(strUrl);wrq.Timeout = 60000;wrp = wrq.GetResponse();}catch (WebException e){}catch (Exception e){}finally{if (wrp != null){StreamReader sr = new StreamReader(wrp.GetResponseStream(), Encoding.GetEncoding("GB2312"));strHtml = sr.ReadToEnd();sr.Close();wrp.Close();}}return strHtml; }

可首先使用GetHttp获取指定URL的页面内容，然后将此内容作为参数传给GetLink，GetLink返回的String数组中的每个元素代表一个超链接。

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！