C#获取网页数据的两个函数

1.获取网页源码函数

 1 string getPageText(string url)
 2         {
 3             string retVal = "";
 4             dtUpdate = DateTime.Now;
 5             labMessage.Text = "";
 6             int pageNo = 1;
 7             string strUrl = "";
 8             do
 9             {   
10                 try
11                 {
12                     using (var wc = new WebClient())
13                     {
14                         wc.Headers.Add("user-agent", "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.2; .NET CLR 1.0.3705;)");
15                         wc.Encoding = Encoding.UTF8;
16                         strUrl = url + "&page=" + pageNo;
17                         log("打开页:" + strUrl + "<br/>");
18                         string str = wc.DownloadString(strUrl);
19                         str = str.Replace("<script", "");
20                         pageNo = procLine(str);                  //处理获取到的文本
21                     }
22                 }
23                 catch (Exception ee)
24                 {
25                     log("获取网页时错误:" + ee.Message);
26                 }
27             } while (pageNo > 0);
28             using (SqlConnection conn = new SqlConnection(strConn))
29             {
30                 try
31                 {
32                     conn.Open();
33                     string strSql = "delete from 线路 where 更新时间<>@更新时间";
34                     SqlCommand cmd = new SqlCommand(strSql, conn);
35                     cmd.Parameters.Add("@更新时间", System.Data.SqlDbType.DateTime, 4).Value = dtUpdate;
36                     int sl = cmd.ExecuteNonQuery();
37                     if (sl > 0) log("删除了未更新的线路:" + sl + "条。");
38                 }
39                 catch (Exception ee)
40                 {
41                     log("错误:" + ee.Message);
42                 }
43             }
44             return retVal;
45         }

2.处理所获得的源码

 1 int procLine(string strHtml)
 2         {
 3             int retVal = 0;
 4             HtmlDocument htmlDoc = new HtmlDocument();      // 获取html元素(htmlContext为html页面字符串)
 5             htmlDoc.LoadHtml(strHtml);                      // 加载html页面
 6 
 7             HtmlNode node = htmlDoc.DocumentNode;
 8             //HtmlNodeCollection has = node.SelectNodes("//div[contains(@onclick, ‘/RealtimeQuery?‘)]");  //获取各条线路的 div
 9             HtmlNodeCollection has = node.SelectNodes("//a");  //获取各条线路的 <a href="/LineDetailQuery?lineId=1&amp;direction=2&amp;">1路(老福山花园站→博览城市场中路站)</a>
10             if (has != null)
11                 foreach (HtmlNode hn in has)
12                     if (hn.Attributes.Contains("href"))
13                     {   //<a href="/LineDetailQuery?lineId=1&amp;direction=2&amp;">1路(老福山花园站→博览城市场中路站)</a>
14                         string href = hn.Attributes["href"].Value;
15                         if (href.StartsWith("/LineDetailQuery?lineId="))
16                         {
17                             string[] ss = href.Split(new char[] { ?, =, &, ; }, StringSplitOptions.RemoveEmptyEntries);
18                             if (ss.Length > 6)
19                             {
20                                 int lineId = 0;
21                                 int dir = 0;
22                                 int.TryParse(ss[2], out lineId);
23                                 int.TryParse(ss[5], out dir);
24                                 string[] lineInfo = hn.InnerText.Split(new char[] { (, , ) }, StringSplitOptions.RemoveEmptyEntries);
25                                 string lineName = lineInfo[0];
26                                 string from = lineInfo[1];
27                                 string to = lineInfo[2];
28                                 int bh = lineId + dir * 100000;
29                                 string str = "lineId={0}, dir={1}, lineName={2}, from={3}, to={4} <br/>";
30                                 log(string.Format(str, lineId, dir, lineName, from, to));
31                                 //将线路更新到数据库
32                                 using (SqlConnection conn = new SqlConnection(strConn))
33                                 {
34                                     try
35                                     {
36                                         conn.Open();
37                                         string strSql = "update 线路 set 线路号=@线路号, 行向=@行向, 线路名称=@线路名称, 始发站点=@始发站点, 开往方向=@开往方向, 更新时间=@更新时间 where 编号=@编号";
38                                         SqlCommand cmd = new SqlCommand(strSql, conn);
39                                         cmd.Parameters.Add("@线路号", System.Data.SqlDbType.Int, 4).Value = lineId;
40                                         cmd.Parameters.Add("@行向", System.Data.SqlDbType.Int, 4).Value = dir;
41                                         cmd.Parameters.Add("@线路名称", System.Data.SqlDbType.NVarChar, 50).Value = lineName;
42                                         cmd.Parameters.Add("@始发站点", System.Data.SqlDbType.NVarChar, 50).Value = from;
43                                         cmd.Parameters.Add("@开往方向", System.Data.SqlDbType.NVarChar, 50).Value = to;
44                                         cmd.Parameters.Add("@更新时间", System.Data.SqlDbType.DateTime, 4).Value = dtUpdate;
45                                         cmd.Parameters.Add("@编号", System.Data.SqlDbType.Int, 4).Value = bh;
46                                         if (cmd.ExecuteNonQuery() == 0)
47                                         {
48                                             cmd.CommandText = "insert into 线路(编号, 线路号, 行向, 线路名称, 始发站点, 开往方向, 更新时间)values(@编号, @线路号,@行向,@线路名称,@始发站点,@开往方向,@更新时间)";
49                                             cmd.ExecuteNonQuery();
50                                         }
51                                     }
52                                     catch (Exception ee)
53                                     {
54                                         log("更新线路到数据库时错误:" + ee.Message);
55                                     }
56                                 }
57                             }
58                         }
59                     }
60             //<font style="font-size:13px;">[2/26]</font>
61             HtmlNodeCollection hasPage = node.SelectNodes("//font");  //获取各条线路的 <a href="/LineDetailQuery?lineId=1&amp;direction=2&amp;">1路(老福山花园站→博览城市场中路站)</a>
62             if (hasPage != null)
63                 foreach (HtmlNode hn in hasPage)
64                     if (hn.Attributes.Contains("style"))
65                         if (hn.Attributes["style"].Value == "font-size:13px;")
66                         {
67                             string[] ss = hn.InnerText.Split(new char[] { [, /, ] }, StringSplitOptions.RemoveEmptyEntries);
68                             if (ss.Length > 1)
69                             {
70                                 int pageNo = 0;
71                                 int pageTotal = 0;
72                                 int.TryParse(ss[0], out pageNo);
73                                 int.TryParse(ss[1], out pageTotal);
74                                 if (pageTotal > 0)
75                                     if (pageNo < pageTotal)
76                                     {
77                                         log("=================第" + pageNo + "页/共" + pageTotal + "页===========<br/><br/>");
78                                         retVal = pageNo + 1;
79                                     }
80                                     else
81                                         log("==================最后一页===============");
82                             }
83                         }
84             return retVal;
85         }

注:HtmlDocument、HtmlNode、HtmlNodeCollection三个类需要引用一个类库文件。该文件在博客园的后台文件管理中。

 

C#获取网页数据的两个函数

上一篇:C# 读取IE缓存文件(1)


下一篇:win7下ramdisk优化