服务器之家:专注于服务器技术及软件下载分享
分类导航

PHP教程|ASP.NET教程|Java教程|ASP教程|编程技术|正则表达式|C/C++|IOS|C#|Swift|Android|JavaScript|易语言|

服务器之家 - 编程语言 - ASP教程 - asp 采集程序常用函数分析

asp 采集程序常用函数分析

2019-09-09 10:30asp教程网 ASP教程

想用asp制作你喜欢的小偷采集程序吗,看完下面的文章,你就可以自己制作了。

原理 
采集程序实际上是通过了XML中的XMLHTTP组件调用其它网站上的网页。比如新闻采集程序,很多都是调用了sina的新闻网页,并且对其中的html进行了一些替换,同时对广告也进行了过滤。用采集程序的优点有:无须维护网站,因为采集程序中的数据来自其他网站,它将随着该网站的更新而更新;可以节省服务器资源,一般采集程序就几个文件,所有网页内容都是来自其他网站。缺点有:不稳定,如果目标网站出错,程序也会出错,而且,如果目标网站进行升级维护,那么采集程序也要进行相应修改;速度,因为是远程调用,速度和在本地服务器上读取数据比起来,肯定要慢一些。 

一、事例 
下面就XMLHTTP在ASP中的应用做个简单说明 

复制代码代码如下:


<% 
'常用函数 
'1、输入url目标网页地址,返回值getHTTPPage是目标网页的html代码 
function getHTTPPage(url) 
dim Http 
set Http=server.createobject("MSXML2.XMLHTTP") 
Http.open "GET",url,false 
Http.send() 
if Http.readystate<>4 then 
exit function 
end if 
getHTTPPage=bytesToBstr(Http.responseBody,"GB2312") 
set http=nothing 
if err.number<>0 then err.Clear 
end function 
'2、转换乱玛,直接用xmlhttp调用有中文字符的网页得到的将是乱玛,可以通过adodb.stream组件进行转换 
Function BytesToBstr(body) 
dim objstream 
set objstream = Server.CreateObject("adodb.stream") 
objstream.Type = 1 
objstream.Mode =3 
objstream.Open 
objstream.Write body 
objstream.Position = 0 
objstream.Type = 2 
objstream.Charset = "GB2312" '转换原来默认的UTF-8编码转换成GB2312编码,否则直接用XMLHTTP组件调用有中文字符的网页得到的将是乱码 
BytesToBstr = objstream.ReadText 
objstream.Close 
set objstream = nothing 
End Function 
'下面试着调用//www.zzvips.com的html内容 
Dim Url,Html 
Url="//www.zzvips.com"; 
Html = getHTTPPage(Url) 
Response.write Html 
%> 


二、几个常用的函数 
(一)InStr 函数 
描述 
返回某字符(string2)串在另一字符串(string1)中第一次出现的位置。 
语法 
InStr(string1, string2) 
例如: 
Dim SearchString, SearchChar 
SearchString ="//www.zzvips.com" ' 要在其中搜索的字符串。 
SearchChar = "jb51" ' 搜索 "jb51"。 
MyBK = Instr(SearchString, SearchChar) ' 返回 8 
'如果找不到则返回“0”,例如: 
SearchChar = "BK" 
MyBK = Instr(SearchString, SearchChar) ' 返回 0 
(二)Mid 函数 
描述 
从字符串中返回指定数目的字符。 
语法 
Mid(string, start, over) 
例如: 
Dim MyBK 
MyBK = Mid("我们的BK(www.google)设计", 7, 12) '截取字符串"我们的BK(www.google)设计"第7个字符以后的12个字符 
'此时MyBK的值就变成了"www.google" 
(三)Replace 函数 
Dim SearchString, SearchChar 
SearchString ="我们的BK设计是一个网站建设资源网站" ' 要在其中搜索的字符串。 
SearchString =Replace(SearchString,"BK设计","Www.google") 
'此时SearchString的值就变成了"我们的Www.google是一个网站建设资源网站" 

三、截取指定区域的HTML代码 
例如我只想获取以下HTML代码中"<td>"和"</td>"之间的的文字部分: 
<html> 
<title>(www.google)谷歌搜索引擎</title> 
<body> 
<table> 
<tr><td></td></tr> 
<tr><td id="Content">BK(www.google)谷歌搜索引擎是个资源多多的站点……</td></tr> 
</table> 
</body> 
</html> 
<% 
…… 
Dim StrBK,start,over,RsBK 
StrBK=getHTTPPage(网页的地址) 
start=Instr(StrBK,"<td id=""Content"">") '此处的作用是获取字符串开始地方的定位。这里要有人问了:原来的代码是<td id="Content">,怎么你这里调用的是<td id=""Content"">啊?答案:asp中(准确的说是VBscript中是用两个双引号来表示一个双引号的,因为双引号对于程序来说是个敏感字符。) 
over=Instr(StrBK,"…</td></tr>")'此处的作用是获取字符串结束地方的定位。 
'这里又要有人问了:( :程序调用HTML代码干吗前面多出来3个点点"…"啊?答:提示:上面一行也有一个</td></tr>,如果这里用</td></tr>来定位的话,程序会错误地把上面一行的</td></tr>当成欲获取字符串的结束部分了。 
RsBK=mid(StrBK,start,over-start) '此处的作用是取出StrBK中第start个字符到第over个字符之间的字符串。mid函数前面一节我也讲过了;over-start是为了计算出开始位置和结束位置之间的距离,也就是字符数。 
response.write(RsBK) '最后输出程序获取的内容 
%> 
不要高兴的太早,当你运行的时候,你会发现页面的html代码有错误,为什么呢?因为你获取的html代码是: 
<td id="Content">BK(www.google)谷歌搜索引擎是个资源多多的站点… 
看到了吧?有残缺的HTML代码啊!怎么办呢?start=Instr(StrBK,"<td id=""Content"">")这个语句获取的是"<td id="Content">"在StrBK中的位置数,现在我们可以在程序语句的后面加上17,那么程序就会将位置指向<td id="Content">后面的那个字符. 
好的,程序将改成这样: 
<% 
…… 
Dim StrBK,start,over,RsBK 
StrBK=getHTTPPage(网页的地址) 
start=Instr(StrBK,"<td id=""Content"">") + 17 
over=Instr(StrBK,"…</td></tr>") '这里你也可以减去七(-7)把3个点去掉 
RsBK=mid(StrBK,start,over-start) 
response.write(RsBK) 
%> 
这样就OK了,我们就可以将我们想要的东西偷过来显示在我们自己的页面了,呵呵~ 

四、删掉或修改获取的字符 
将RsBK中的"BK(www.google)"换成"BK": 
RsBK=replace(RsBK,"BK(www.google)","BK") 
或者直接把"(www.google)"删掉: 
RsBK=replace(RsBK,"(www.google)","") 
好了,现在RsBK就变成了:"BK谷歌搜索引擎是个资源多多的站点……"了. 
但是事实中,有些情况可能replace函数是不适应的,比如我们想把某个字符串里面的所有连接都去掉.连接可能包括很多种类型,replace只能替代其中特定的一个,我们不可能用一个又一个对应的replace函数来替换吧? 
但可以使用正则表达式来代替此项工作。这里不细谈了。 
(一)如何将对方网站的翻页也处理成我们自己的呢? 
答案是:利用replace函数和页面参数的传递。 
例如对方页面里含有这样的翻页代码:"<a href=2.htm>下一页</a>",我们可以先利用上面讲的内容,获取这个字符串,然后用replace函数:RsBK=replace(RsBK,"<a href=","<a href=page.asp?Url=") 
然后再page.asp的程序里获取Url的参数值,最后用采集技术获取下一页你想要的内容就可以了。 
(二)如何将获取的内容入库 
由于篇幅有限,这里简单说一下. 
其实很简单: 
将偷来的内容作一下处理,防止在写入数据库的时候出现sql注入错误,例如:replace(String,"'","''") 
然后执行一个插入数据库操作的sql命令就ok了~ 
以上只是一些关于XMLHTTP组件的初级应用,实际上它还能实现的功能还有很多,比如说保存远程图片到本地服务器上,配合adodb.stream组件可以把获取来的数据保存进数据库。采集的作用和使用范围都很广。

延伸 · 阅读

精彩推荐