自动填写表单功能,出现问题(HttpRequest和Weblient方式均试过)

sss190 sss190 墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年,写一次发全网 我也要 + 加入社区
代码如下(httprequest方式):
HttpWebResponse res = null;
string strResult = "";
if (HttpContext.Current.Application["cookieheader"] != null)
{
HttpWebRequest req = (HttpWebRequest)WebRequest.Create("http://market.szhome.com/LoginPage.aspx");
req.Method = "POST";
req.Accept = "image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, application/vnd.ms-powerpoint, application/vnd.ms-excel, application/msword, */*";
req.Referer = "http://market.szhome.com";
req.ContentType = "application/x-www-form-urlencoded";
req.UserAgent = "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.0; .NET CLR 1.0.3705)";
req.CookieContainer = (CookieContainer)(HttpContext.Current.Application["cookieheader"]);
// byte[] SomeBytes = Encoding.UTF8.GetBytes(HttpUtility.UrlEncode("UserName=szcentaline&Password=000000").ToString());
byte[] SomeBytes = Encoding.GetEncoding("GB2312").GetBytes(HttpUtility.UrlEncode("UserName=szcentaline&Password=000000").ToString());
req.ContentLength = SomeBytes.Length;
Stream newStream = req.GetRequestStream();
newStream.Write(SomeBytes,0,SomeBytes.Length);
newStream.Close();
res = (HttpWebResponse)req.GetResponse();
}
else
{
HttpWebRequest req = (HttpWebRequest)WebRequest.Create("http://market.szhome.com/LoginPage.aspx"); //构造请求并保存cookie
req.Method = "POST";
req.Accept = "image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, application/vnd.ms-powerpoint, application/vnd.ms-excel, application/msword, */*";
req.Referer = "http://market.szhome.com";
req.ContentType = "application/x-www-form-urlencoded";
req.UserAgent="Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.0; .NET CLR 1.0.3705)";
CookieContainer cookieCon = new CookieContainer();
req.CookieContainer = cookieCon;
// byte[] SomeBytes = Encoding.UTF8.GetBytes(HttpUtility.UrlEncode("UserName=szcentaline&Password=000000").ToString());
byte[] SomeBytes = Encoding.GetEncoding("GB2312").GetBytes(HttpUtility.UrlEncode("UserName=szcental&Password=123456").ToString());
req.ContentLength = SomeBytes.Length;
Stream newStream = req.GetRequestStream();
newStream.Write(SomeBytes, 0, SomeBytes.Length);
newStream.Close();
res = (HttpWebResponse)req.GetResponse();
cookieheader = req.CookieContainer.GetCookieHeader(new Uri("http://market.szhome.com/LoginPage.aspx"));
HttpContext.Current.Application.Lock();
HttpContext.Current.Application["cookieheader"] = cookieheader;
HttpContext.Current.Application.UnLock();
}

Stream ReceiveStream = res.GetResponseStream();
Encoding encode = System.Text.Encoding.GetEncoding("GB2312");
StreamReader sr = new StreamReader(ReceiveStream,encode);
Char[] read = new Char[256];
int count = sr.Read(read,0,256);
while(count > 0)
{
String str = new String(read,0,count);
strResult += str;
count = sr.Read(read,0,256);
}

FileStream htmFile = new FileStream("D:\\save.htm",FileMode.OpenOrCreate);
StreamWriter sw = new StreamWriter(htmFile);
sw.Write(strResult);
sw.Close();
htmFile.Close();
Response.Write(strResult);
...全文

相关推荐

【Linux】Linux的特点

Linux是一种可以在PC上执行的类似UNIX的操作系统,它与其他商业性的操作系统最大的不同点在于该操作系统是完全免费的,源代码是完全公开的,用户可以在网上随意下载、复制和使用。Linux在中国发行的版本主要有Red Hat、Ubuntu、Red Flag(红旗)、Open Linux、Turbo Linux等。 Linux之所以能在短短十几年的时间得到迅猛的发展,与Linux所具有的良好特性是分不

Songs_Hu

熊数据集集2983张VOC+YOLO格式.zip

数据集格式:VOC格式+YOLO格式 压缩包内含:3个文件夹,分别存储图片、xml、txt文件 JPEGImages文件夹中jpg图片总计:2983 Annotations文件夹中xml文件总计:2983 labels文件夹中txt文件总计:2983 标签种类数:1 标签名称:["bear"] 每个标签的框数(注意yolo格式类别顺序不和这个对应,而以labels文件夹classes.txt为准): bear 框数 = 3021 总框数:3021 图片清晰度(分辨率:像素):清晰 图片是否增强:否 标签形状:矩形框,用于目标检测识别 重要说明:暂无 特别声明:本数据集不对训练的模型或者权重文件精度作任何保证,数据集只提供准确且合理标注

不会仰游的河马君

vue+springboot_基于Java语言的茶叶销售商城电商系统_176brjo7毕业设计源码数据库.zip

vue+springboot_基于Java语言的茶叶销售商城电商系统_176brjo7毕业设计源码数据库.zip

源码论文专家

43一个强到且很实用的Linux网络管理工具.docx

43一个强到且很实用的Linux网络管理工具

云计算练习生

【计量经济学】基于Oster无工具变量法的内生性处理:遗漏变量偏差敏感性分析与稳健因果效应界估算

内容概要:本文介绍了基于Oster(2019)提出的无工具变量法处理内生性问题的实现方法,核心是通过系数稳定性与拟合优度变化进行敏感性分析,量化遗漏变量偏差的影响,并估计在控制不可观测变量后的稳健因果效应β(beta tilde)。该方法利用两步回归(有无控制变量)之间的系数和R²变化,结合不可观测选择强度参数δ与最大潜在R²(Rmax),外推可能的因果效应边界,从而判断基准结果是否对遗漏变量稳健。文中提供了Stata(psacalc)、R(ooster包)和Python三种主流语言的具体实现代码与操作示例,强调结果依赖于参数设定,需进行敏感性扫描以增强说服力。 适合人群:经济学、管理学、社会学、公共卫生、教育等领域的实证研究者,尤其是正在撰写论文、面临审稿人关于内生性质疑的研究生与青年学者。 使用场景及目标:①在缺乏有效工具变量时,评估OLS回归结果对遗漏变量的敏感性;②生成稳健因果效应的点估计与置信区间,回应审稿人对内生性问题的质疑;③通过δ与Rmax的多值扫描,可视化展示结论稳健性。 阅读建议:此方法属于敏感性分析而非因果识别工具,应与IV、DID、固定效应等方法结合使用;使用者需确保两步回归样本一致,并替换示例中的变量名为实际数据变量,同时务必对关键参数开展敏感性测试,避免过度解读单一结果。

王大师王文峰
评论 7
收藏 已收藏
分享
返回顶部
sss190
.NET社区 62,272 成员 668,968 内容