上一篇:从MP3中提取歌曲信息(C#) >>
提取网页中的超链接(C#)
using System.Xml;
using System.Text;
using System.Net;
using System.IO;
using System.Collections;
using System.Text.RegularExpressions;
public class App
{
public static void Main()
{
string strCode;
ArrayList alLinks;
Console.Write("请输入一个网页地址:");
string strURL = Console.ReadLine();
if(strURL.Substring(0,7) != @"http://")
{
strURL = @"http://" + strURL;
}
Console.WriteLine("正在获取页面代码,请稍侯...");
strCode = GetPageSource(strURL);
Console.WriteLine("正在提取超链接,请稍侯...");
alLinks = GetHyperLinks(strCode);
Console.WriteLine("正在写入文件,请稍侯...");
WriteToXml(strURL,alLinks);
}
// 获取指定网页的HTML代码
static string GetPageSource(string URL)
{
Uri uri =new Uri(URL);
HttpWebRequest hwReq = (HttpWebRequest)WebRequest.Create(uri);
HttpWebResponse hwRes = (HttpWebResponse)hwReq.GetResponse();
hwReq.Method = "Get";
hwReq.KeepAlive = false;
StreamReader reader = new StreamReader(hwRes.GetResponseStream(),System.Text.Encoding.GetEncoding("GB2312"));
return reader.ReadToEnd();
}
// 提取HTML代码中的网址
static ArrayList GetHyperLinks(string htmlCode)
{
ArrayList al = new ArrayList();
string strRegex = @"http://([\w-]+\.)+[\w-]+(/[\w- ./?%&=]*)?";
Regex r = new Regex(strRegex,RegexOptions.IgnoreCase);
MatchCollection m = r.Matches(htmlCode);
for(int i=0; i<=m.Count-1; i++)
{
bool rep = false;
string strNew = m[i].ToString();
// 过滤重复的URL
foreach(string str in al)
{
if(strNew==str)
{
rep =true;
break;
}
}
if(!rep) al.Add(strNew);
}
al.Sort();
return al;
}
// 把网址写入xml文件
static void WriteToXml(string strURL, ArrayList alHyperLinks)
{
XmlTextWriter writer = new XmlTextWriter("HyperLinks.xml",Encoding.UTF8);
writer.Formatting = Formatting.Indented;
writer.WriteStartDocument(false);
writer.WriteDocType("HyperLinks", null, "urls.dtd", null);
writer.WriteComment("提取自" + strURL + "的超链接");
writer.WriteStartElement("HyperLinks");
writer.WriteStartElement("HyperLinks", null);
writer.WriteAttributeString("DateTime",DateTime.Now.ToString());
foreach(string str in alHyperLinks)
{
string title = GetDomain(str);
string body = str;
writer.WriteElementString(title,null,body);
}
writer.WriteEndElement();
writer.WriteEndElement();
writer.Flush();
writer.Close();
}
// 获取网址的域名后缀
static string GetDomain(string strURL)
{
string retVal;
string strRegex = @"(\.com/|\.net/|\.cn/|\.org/|\.gov/)";
Regex r = new Regex(strRegex,RegexOptions.IgnoreCase);
Match m = r.Match(strURL);
retVal = m.ToString();
strRegex = @"\.|/$";
retVal = Regex.Replace(retVal, strRegex, "").ToString();
if(retVal == "")
retVal = "other";
return retVal;
}
}
下一篇:C#实现主窗体工具栏上按钮两幅图片的交互效果 >>
相关文章:
- · [C#] 如何选择一个目录
- · 特洛伊木马服务器源代码(C#)
- · 《windows应用高级编程-C#编程篇》书中程序的小问题及改进
- · 在Visual C# .NET中建立自己的地址栏
- · C# 编码规范和编程好习惯
- · 如何获得 WINDOWS 版本[C# 版]
- · C#中生成中文繁体web页面
- · 通过 C# 使用 J# 类库中的 Zip 类压缩文件和数据
- · 发布我用C#写的两个小工具
- · C# 2.0:使用匿名方法、迭代程序和局部类来创建优雅的代码
- · 如何去检测网络的连接状态(C#)
- · 从Internet上抓取指定URL的源码的方案(C#)
- · DotNET(C#) Socket基本编程
- · 我对C#中事件委托的通俗看法
- · C++程序员容易犯的十个C#错误
- · C#中使用Oracle 存储过程笔记
- · C# - Oracle数据库连接方法
- · C#下实现ping功能
- · c#.net常用函数和方法集
- · Delete yourself(C#)
- · c#中用axWebBrowser中提交表单,或点击某个对象
- · 如何获得 WINDOWS 版本[C# 版]
- · C#中SQL语句参数写法
- · c# singleton 的改进
- · C#开发WAP程序
- · C# 编码规范和编程好习惯
- · MD5算法之C#程序 MD5算法描述
- · C#处理鼠标和键盘事件
- · MD5算法之C#程序 MD5算法描述
- · 如何用C#将数据库中的记录制成XML
- · 创建CLR自定义触发器-C#
- · 获得汉字字符串拼音首字母 C#版
- · C#之消息队列的简要说明----自学笔记
- · C#实现的根据年月日计算星期几的函数
- · 文件改名的C#实现
- · C#中结构或类的嵌套 的方法
- · 深入剖析C#继承机制7
- · 深入剖析C#继承机制6
