邮件地址抓取，急急急

Question

自己做的一个邮件地址抓取的
现在网页的代码可以获得
去不能抓取邮件地址
在线等...........
各位大虾帮帮忙，分部够再加
有这方面的源码更好（C#的）

Answer 1

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Net;
using System.IO;
using System.Text.RegularExpressions;namespace ConsoleApplication14
{
    class Program
    {
        static void Main(string[] args)
        {
            string pattern = @"(?<em>\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*)";
             Regex ex = new Regex(pattern);
            HttpWebRequest wr = (HttpWebRequest)HttpWebRequest.Create(new Uri("http://localhost/test.html"));
            wr.Method = WebRequestMethods.Http.Get;
            HttpWebResponse response = (HttpWebResponse)wr.GetResponse();
            StreamReader sr = new StreamReader(response.GetResponseStream());
            string line = sr.ReadLine();
            while (line != null)
            {
                MatchCollection mc = ex.Matches(line, 0);
                foreach (Match match in mc)
                {
                    Console.WriteLine(match.Groups["em"].Value);
                }
                line = sr.ReadLine();
            }
            sr.Close();
            response.Close();
        }
    }
}

Answer 2

上面的代码会打开http://localhost/test.html页面，然后获取其html数据，并使用正则表达式从数据中解析出所有的email地址，然后输出。不知是否是楼主所需要的。

Answer 3

将网页读出 成流 。字符串 。xml 都可以 然后根据正则表达式匹配吧。网上应该有代码的。。一步一步 找 容易 些 。现成的少

Answer 4

你邮件的正则写得不正确String reg = @"^\w.{1,15}@\w+\.\w+(\.\w+)?$";match这个正则就可以了，前提是你已经抓取到了网站的内容。

Answer 5

 //抓取网页源代码
        private void DownHtmlAndEmail(string url)
        { 
             //抓取网页内容
             string ContentHtml=String.Empty;
             HttpWebRequest rt=null;
             HttpWebResponse rs=null;
             Stream stream=null;
             StreamReader sr=null;
             
             rt=(HttpWebRequest)WebRequest.Create(url);
             rs=(HttpWebResponse)rt.GetResponse();
             stream=rs.GetResponseStream();
             Encoding encoding = Encoding.Default;
             sr=new StreamReader(stream,encoding);
             ContentHtml=sr.ReadToEnd();             //将读取出来的全部URL写入文本文件   
             string EmailFileName=Application.StartupPath+"\\HttpPageEmail.txt"; //创建文本文档
             StreamWriter strwriterobj=File.CreateText(EmailFileName);//创建写入流
                         //用正则表达式识别Email地址
             Regex EmailRegex = new Regex(@"([a-zA-Z_0-9.-]+\@[a-zA-Z_0-9.-]+\.\w+)", RegexOptions.IgnoreCase | RegexOptions.Compiled);
             MatchCollection matches = EmailRegex.Matches(ContentHtml);
             MessageBox.Show(ContentHtml);
             foreach (Match match in matches)
             {
                 this.listemail.Items.Add(match.Value.ToString());//将数据添加到ListBox
                 strwriterobj.WriteLine(match.Value.ToString());//将数据写入文件
             }
                 MessageBox.Show("抓取完毕！！！");
                 strwriterobj.Close();
                 sr.Close();
                 stream.Close();
                 rs.Close();
        }
这是我的源码我不知道是页面没有邮箱还是根本就没抓到，listbox里面没有记录

Answer 6

不好意思，在这里我只是提供一个思路，正则我是从web application的RegularExpressionValidator控件的ValidationExpression中Ctrl+C出来的，没有去考究是否正确。不过只要思路没错应该就没问题。正则楼主可以根据自己的需求进行修改。

Answer 7

有可能是页面没有邮箱地址，你可以在本机搭个IIS，然后在wwwroot下新建一个xxx.html文件，并往里面写个邮件地址，例如：<a href="mailto:[email protected]">Send</a>。然后，在程序中使用http://localhost/xxx.html试试看，看能否抓出[email protected]。如果不能抓出，就要分析一下你的正则表达式了。