WebClient的超级怪问题

[xfekin]

我用WebClient来获取远程网页的数据，并用正则匹配来取得需要的数据，现在遇到个超级怪问题，是这样的
抓http://www.xicn.net/joke/special/gxsy.php?page=1这个页面的时候，内容可以抓去，但是正则明明是对的，就是不出需要的内容，后来我把抓去的内容保存再一个TXT文件中，读取然后匹配，这下OK了，文件大小是22.4K,然后我又用WebClient来把这个页面保存倒硬盘上，大小是22.1K，如果直接读取这个22。1k的文件，是匹配不出结果的，但是如果建个新文件，再把这个22。1k的文件内容复制倒刚才建的文件里面，这个时候该文件的大小是22。4k，可以匹配，同样的方法来抓别的网页又是正常的，百思不得其解，望高手们解我心中谜团。

[八爪鱼-杭州]

应该是编码的问题

[stlwj]

用xmlhttp吧

[xfekin]

编码用得都是GB2312

[saucer]

how are you calling? are you converting the bytes[] into a string with System.Text.Encoding.GetEncoding("GB2312")?

[xfekin]

获取内容是用这个
public static string GetRemoteData(string Url)
{
WebClient client = new WebClient();
Stream stream = client.OpenRead(Url);
StreamReader sr = new StreamReader(stream,System.Text.Encoding.GetEncoding("GB2312"));
return sr.ReadToEnd();
}

下载文件是用这个
public static void GetRemoteFile(string Url,string LocalFile)
{
WebClient client = new WebClient();
client.DownloadFile(Url,System.Web.HttpContext.Current.Server.MapPath(LocalFile));
}

目前只发现http://www.xicn.net/joke/special/gxsy.php?page=1这个页面出问题，其他网站的都挺好

[saucer]

what if you use a page like

<%@ Import Namespace="System.IO" %>
<%@ Import Namespace="System.Net" %>
<script language="C#" runat="server">
void Page_Load(Object sender, EventArgs e)
{
string Url = "http://www.xicn.net/joke/special/gxsy.php?page=1";
WebClient client = new WebClient();
Stream stream = client.OpenRead(Url);
StreamReader sr = new StreamReader(stream,System.Text.Encoding.GetEncoding("GB2312"));
Response.Write(sr.ReadToEnd());
sr.Close();
}
</script>

看内容是否确实是你想象的那样

[xfekin]

内容的确和我截取的一样，你尝试用正则来匹配中间图片列表的那部分。
pattern = @" <table width=\""100%\"" border=\""0\"" cellspacing=\""8\"" cellpadding=\""8\"">(?<text>.[^\x01]*?)<TD COLSPAN=10><BR>";
上面是我的匹配规则，你可以分别用程序下载把内容保存到文件，然后在手动复制内容保存到文件（注：要新建文件方可）然后看看他们的匹配结果是否相同。

[saucer]

the result is same except some missing newlines, also why
(?<text>.[^\x01]*?)

??

can you try
string pattern = @"<table width=\""100%\"" border=\""0\"" cellspacing=\""8\"" cellpadding=\""8\"">(?<text>.*?)<TD COLSPAN=10><BR>";
Regex re = new Regex(pattern, RegexOptions.Singleline | RegexOptions.IgnoreCase);