C#特别适合于构造蜘蛛程序，这是因为它已经内置了HTTP和多线程的能力，而这两种能力对于蜘蛛程序来说都是非常关键的。下面是构造一个蜘蛛程序要解决的关键问题：⑴ HTML分析：需要某种HTML解析器来分析蜘蛛程序遇到的每一个页面。
⑵ 页面处理：需要处理每一个下载得到的页面。下载得到的内容可能要保存到磁盘，或者进一步分析处理。
⑶ 多线程：只有拥有多线程能力，蜘蛛程序才能真正做到高效。
⑷ 确定何时完成：不要小看这个问题，确定任务是否已经完成并不简单，尤其是在多线程环境下。
一、HTML解析
提供的HTML解析器由ParseHTML类实现，使用非常方便：首先创建该类的一个实例，然后将它的Source属性设置为要解析的HTML文档：
以下是代码片段：
ParseHTMLparse=newParseHTML(); parse.Source=\
接下来就可以利用循环来检查HTML文档包含的所有文本和标记。通常，检查过程可以从一个测试Eof方法的while循环开始：
以下是代码片段： while(!parse.Eof()) {
charch=parse.Parse();
Parse方法将返回HTML文档包含的字符它返回的内容只包含那些非HTML标记的字符，如果遇到了HTML标记，Parse方法将返回0值，表示现在遇到了一个HTML标记。遇到一个标记之后，我们可以用GetTag()方法来处理它。
以下是代码片段： if(ch==0) {
HTMLTagtag=parse.GetTag(); }
一般地，蜘蛛程序最重要的任务之一就是找出各个HREF属性，这可以借助C#的索引功能完成。例如，下面的代码将提取出HREF属性的值(如果存在的话)。
以下是代码片段： Attributehref=tag[\stringlink=href.Value;
获得Attribute对象之后，通过Attribute.Value可以得到该属性的值。 二、处理HTML页面
下面来看看如何处理HTML页面。首先要做的当然是下载HTML页面，这可以通过C#提供的HttpWebRequest类实现：
以下是代码片段：
HttpWebRequestrequest=(HttpWebRequest)WebRequest.Create(m_uri); response=request.GetResponse(); stream=response.GetResponseStream();
接下来我们就从request创建一个stream流。在执行其他处理之前，我们要先确定该文件是二进制文件还是文本文件，不同的文件类型处理方式也不同。下面的代码确定该文件是否为二进制文件。
以下是代码片段：
if(!response.ContentType.ToLower().StartsWith(\{
SaveBinaryFile(response); returnnull; }
stringbuffer=\，line;
如果该文件不是文本文件，我们将它作为二进制文件读入。如果是文本文件，首先从stream创建一个StreamReader，然后将文本文件的内容一行一行加入缓冲区。
以下是代码片段：
reader=newStreamReader(stream); while((line=reader.ReadLine())!=null) {
buffer+=line+\}
装入整个文件之后，接着就要把它保存为文本文件。 以下是代码片段： SaveTextFile(buffer);
下面来看看这两类不同文件的存储方式。
二进制文件的内容类型声明不以\开头，蜘蛛程序直接把二进制文件保存到磁盘，不必进行额外的处理，这是因为二进制文件不包含HTML，因此也不会再有需要蜘蛛程序处理的HTML。下面是写入二进制文件的步骤。
首先准备一个缓冲区临时地保存二进制文件的内容。 以下是代码片段： byte[]buffer=newbyte[1024];
接下来要确定文件保存到本地的路径和名称。如果要把一个myhost.com网站的内容下载到本地的c:test文件夹，二进制文件的网上路径和名称是，则本地路径和名称应当是c:testimageslogo.gif。与此同时，我们还要确保c:test目录下已经创建了images子目录。这部分任务由convertFilename方法完成。
以下是代码片段：
stringfilename=convertFilename(response.ResponseUri);
convertFilename方法分离HTTP地址，创建相应的目录结构。确定了输出文件的名字和路径之后就可以打开读取Web页面的输入流、写入本地文件的输出流。
以下是代码片段：
StreamoutStream=File.Create(filename); StreaminStream=response.GetResponseStream();
接下来就可以读取Web文件的内容并写入到本地文件，这可以通过一个循环方便地完成。
以下是代码片段： intl; do
{
l=inStream.Read(buffer，0， buffer.Length); if(l>0)
outStream.Write(buffer，0，l); }
while(l>0); 三、多线程
我们用DocumentWorker类封装所有下载一个URL的操作。每当一个DocumentWorker的实例被创建，它就进入循环，等待下一个要处理的URL。下面是DocumentWorker的主循环：
以下是代码片段： while(!m_spider.Quit) {
m_uri=m_spider.ObtainWork(); m_spider.SpiderDone.WorkerBegin(); stringpage=GetPage(); if(page!=null) ProcessPage(page);
m_spider.SpiderDone.WorkerEnd();
C#语言的爬虫程序代码
