Posted on 2007-12-24 20:09
aspnetx 阅读(269)
评论(0) 编辑 收藏 所属分类:
资料库存
using System;
using System.IO;
using System.Text.RegularExpressions;
using System.Collections.Generic;
using System.Text;
using System.Net;
namespace ConsoleApplication1
{
class Program
{
static void Main(string[] args)
{
WebRequest oRequest = WebRequest.Create("http://www.baidu.com/");
WebResponse oResponse = oRequest.GetResponse();
StreamReader oReader = new StreamReader(oResponse.GetResponseStream(),Encoding.GetEncoding("GB2312"));
string html = oReader.ReadToEnd();
Match m = Regex.Match(html, "<title>(.*)</title>");
if (m.Groups.Count == 2)
Console.WriteLine(m.Groups[1].Value);
Console.ReadLine();
}
}
}
这段代码适合取出HTML下指定标记块下的内容,但是由于HTML很难严格的说其是结构化的数据,所以并不是所有的标记内容都能取出,比如网页中会存在多个<td></td>,那么要取的内容存在于哪对标记中就很难判断.
应用到的命名空间:
using System.Net.其下有WebRequest和WebResponse
using System.IO.用到StreamReader
using System.Text.RegularExpressions.正则表达式，比截取字符串要好用的多