Question

我想用WebClient获取C＃.net中网站的所有源代码，我用C＃窗体创建一个简单的代码我尝试其他网站，它的工作正确，但我需要这个网站，我无法得到它。我的代码：

 using (WebClient client = new WebClient())
            {
                client.Encoding = Encoding.UTF8;
                client.Encoding = UTF8Encoding.UTF8;
                string htmlCode = client.DownloadString("http://www.feleziran.ir/products/milgerd");
                byte[] bytes = Encoding.Default.GetBytes(htmlCode);
                htmlCode = Encoding.UTF8.GetString(bytes);
            }

当我使用断点并在xml中获取视图时显示此消息为htmlDode：

无法显示XML页面无法使用样式查看XML输入   片。请更正错误，然后单击“刷新”按钮，或   稍后再试。

在文档的顶层无效。处理资源时出错   ＆＃39;文件：/// C：/Users/user/AppData/Local/Temp/VSD1.tmp.XML' ...

？ ^

有没有更好的方法呢？我怎么能解决它？

Answer 1

您还没有提供所有代码，因为看起来您将htmlCode字符串保存到临时文件，然后将内容提供给XML查看器。

无论如何，问题是从这个特定网站下载的HTML是HTML5标记 - 根据定义，HTML5并不是严格符合XML的。例如，它包含一行<meta name="viewport" content="width=device-width, initial-scale=1.0">，它不会被XML解析器占用。

因此，您可能希望更改下载HTML标记的方式。

此外，代码中还有另一个问题 - 您已经使用client.DownloadString方法获得了正确的文本，并且不需要以下两行代码将其更改为byte[]，然后再返回{{ 1}}。

Answer 2

Html文件可能并不总是有效的XML文件。因此，您永远不应该使用XML查看器显示它。尝试保存并用浏览器打开它。

 using (WebClient client = new WebClient())
 {
      client.Encoding = Encoding.UTF8;
      client.Encoding = UTF8Encoding.UTF8;
      string htmlCode = client.DownloadString("http://www.feleziran.ir/products/milgerd");
      System.IO.File.WriteAllText("c:\\htmlfile.html", htmlCode);

 }

无论如何，你想要实现的目标还不够，因为你应该解析html中的每个链接并下载它们。

在C＃.net中获取html页面的源代码时出错

2 个答案: