asp 采集程序常用函數(shù)分析
更新時間：2009年09月25日 22:02:18 作者：
想用asp制作你喜歡的小偷采集程序嗎，看完下面的文章，你就可以自己制作了。
原理
采集程序?qū)嶋H上是通過了XML中的XMLHTTP組件調(diào)用其它網(wǎng)站上的網(wǎng)頁。比如新聞采集程序，很多都是調(diào)用了sina的新聞網(wǎng)頁，并且對其中的html進行了一些替換，同時對廣告也進行了過濾。用采集程序的優(yōu)點有：無須維護網(wǎng)站，因為采集程序中的數(shù)據(jù)來自其他網(wǎng)站，它將隨著該網(wǎng)站的更新而更新；可以節(jié)省服務器資源，一般采集程序就幾個文件，所有網(wǎng)頁內(nèi)容都是來自其他網(wǎng)站。缺點有：不穩(wěn)定，如果目標網(wǎng)站出錯，程序也會出錯，而且，如果目標網(wǎng)站進行升級維護，那么采集程序也要進行相應修改；速度，因為是遠程調(diào)用，速度和在本地服務器上讀取數(shù)據(jù)比起來，肯定要慢一些。
一、事例
下面就XMLHTTP在ASP中的應用做個簡單說明
<%
'常用函數(shù)
'1、輸入url目標網(wǎng)頁地址，返回值getHTTPPage是目標網(wǎng)頁的html代碼
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、轉(zhuǎn)換亂瑪，直接用xmlhttp調(diào)用有中文字符的網(wǎng)頁得到的將是亂瑪，可以通過adodb.stream組件進行轉(zhuǎn)換
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" '轉(zhuǎn)換原來默認的UTF-8編碼轉(zhuǎn)換成GB2312編碼，否則直接用XMLHTTP組件調(diào)用有中文字符的網(wǎng)頁得到的將是亂碼
BytesToBstr = objstream.ReadText
objstream.Close
set objstream = nothing
End Function
'下面試著調(diào)用http://chabaoo.cn的html內(nèi)容
Dim Url,Html
Url="http://chabaoo.cn";
Html = getHTTPPage(Url)
Response.write Html
%>
二、幾個常用的函數(shù)
（一）InStr 函數(shù)
描述
返回某字符（string2）串在另一字符串（string1）中第一次出現(xiàn)的位置。
語法
InStr(string1, string2)
例如：
Dim SearchString, SearchChar
SearchString ="http://chabaoo.cn" ' 要在其中搜索的字符串。
SearchChar = "jb51" ' 搜索 "jb51"。
MyBK = Instr(SearchString, SearchChar) ' 返回 8
'如果找不到則返回“0”，例如：
SearchChar = "BK"
MyBK = Instr(SearchString, SearchChar) ' 返回 0
（二）Mid 函數(shù)
描述
從字符串中返回指定數(shù)目的字符。
語法
Mid(string, start, over)
例如：
Dim MyBK
MyBK = Mid("我們的BK(www.google)設計", 7, 12) '截取字符串"我們的BK(www.google)設計"第7個字符以后的12個字符
'此時MyBK的值就變成了"www.google"
（三）Replace 函數(shù)
Dim SearchString, SearchChar
SearchString ="我們的BK設計是一個網(wǎng)站建設資源網(wǎng)站" ' 要在其中搜索的字符串。
SearchString =Replace(SearchString,"BK設計","Www.google")
'此時SearchString的值就變成了"我們的Www.google是一個網(wǎng)站建設資源網(wǎng)站"
三、截取指定區(qū)域的HTML代碼
例如我只想獲取以下HTML代碼中"<td>"和"</td>"之間的的文字部分:
<html>
<title>(www.google)谷歌搜索引擎</title>
<body>
<table>
<tr><td></td></tr>
<tr><td id="Content">BK(www.google)谷歌搜索引擎是個資源多多的站點……</td></tr>
</table>
</body>
</html>
<%
……
Dim StrBK,start,over,RsBK
StrBK=getHTTPPage(網(wǎng)頁的地址)
start=Instr(StrBK,"<td id=""Content"">") '此處的作用是獲取字符串開始地方的定位。這里要有人問了:原來的代碼是<td id="Content">,怎么你這里調(diào)用的是<td id=""Content"">啊?答案:asp中（準確的說是VBscript中是用兩個雙引號來表示一個雙引號的，因為雙引號對于程序來說是個敏感字符。）
over=Instr(StrBK,"…</td></tr>")'此處的作用是獲取字符串結(jié)束地方的定位。
'這里又要有人問了:( :程序調(diào)用HTML代碼干嗎前面多出來3個點點"…"?。看穑禾崾荆荷厦嬉恍幸灿幸粋€</td></tr>，如果這里用</td></tr>來定位的話，程序會錯誤地把上面一行的</td></tr>當成欲獲取字符串的結(jié)束部分了。
RsBK=mid(StrBK,start,over-start) '此處的作用是取出StrBK中第start個字符到第over個字符之間的字符串。mid函數(shù)前面一節(jié)我也講過了；over-start是為了計算出開始位置和結(jié)束位置之間的距離，也就是字符數(shù)。
response.write(RsBK) '最后輸出程序獲取的內(nèi)容
%>
不要高興的太早，當你運行的時候，你會發(fā)現(xiàn)頁面的html代碼有錯誤，為什么呢？因為你獲取的html代碼是：
<td id="Content">BK(www.google)谷歌搜索引擎是個資源多多的站點…
看到了吧？有殘缺的HTML代碼啊！怎么辦呢？start=Instr(StrBK,"<td id=""Content"">")這個語句獲取的是"<td id="Content">"在StrBK中的位置數(shù),現(xiàn)在我們可以在程序語句的后面加上17,那么程序就會將位置指向<td id="Content">后面的那個字符.
好的,程序?qū)⒏某蛇@樣:
<%
……
Dim StrBK,start,over,RsBK
StrBK=getHTTPPage(網(wǎng)頁的地址)
start=Instr(StrBK,"<td id=""Content"">") + 17
over=Instr(StrBK,"…</td></tr>") '這里你也可以減去七(-7)把3個點去掉
RsBK=mid(StrBK,start,over-start)
response.write(RsBK)
%>
這樣就OK了,我們就可以將我們想要的東西偷過來顯示在我們自己的頁面了,呵呵~
四、刪掉或修改獲取的字符
將RsBK中的"BK(www.google)"換成"BK":
RsBK=replace(RsBK,"BK(www.google)","BK")
或者直接把"(www.google)"刪掉:
RsBK=replace(RsBK,"(www.google)","")
好了,現(xiàn)在RsBK就變成了:"BK谷歌搜索引擎是個資源多多的站點……"了.
但是事實中,有些情況可能replace函數(shù)是不適應的,比如我們想把某個字符串里面的所有連接都去掉.連接可能包括很多種類型,replace只能替代其中特定的一個,我們不可能用一個又一個對應的replace函數(shù)來替換吧?
但可以使用正則表達式來代替此項工作。這里不細談了。
（一）如何將對方網(wǎng)站的翻頁也處理成我們自己的呢?
答案是：利用replace函數(shù)和頁面參數(shù)的傳遞。
例如對方頁面里含有這樣的翻頁代碼："<a href=2.htm>下一頁</a>",我們可以先利用上面講的內(nèi)容，獲取這個字符串，然后用replace函數(shù)：RsBK=replace(RsBK,"<a href=","<a href=page.asp?Url=")
然后再page.asp的程序里獲取Url的參數(shù)值，最后用采集技術(shù)獲取下一頁你想要的內(nèi)容就可以了。
（二）如何將獲取的內(nèi)容入庫
由于篇幅有限,這里簡單說一下.
其實很簡單：
將偷來的內(nèi)容作一下處理，防止在寫入數(shù)據(jù)庫的時候出現(xiàn)sql注入錯誤，例如：replace(String,"'","''")
然后執(zhí)行一個插入數(shù)據(jù)庫操作的sql命令就ok了~
以上只是一些關(guān)于XMLHTTP組件的初級應用，實際上它還能實現(xiàn)的功能還有很多，比如說保存遠程圖片到本地服務器上，配合adodb.stream組件可以把獲取來的數(shù)據(jù)保存進數(shù)據(jù)庫。采集的作用和使用范圍都很廣。
采集程序?qū)嶋H上是通過了XML中的XMLHTTP組件調(diào)用其它網(wǎng)站上的網(wǎng)頁。比如新聞采集程序，很多都是調(diào)用了sina的新聞網(wǎng)頁，并且對其中的html進行了一些替換，同時對廣告也進行了過濾。用采集程序的優(yōu)點有：無須維護網(wǎng)站，因為采集程序中的數(shù)據(jù)來自其他網(wǎng)站，它將隨著該網(wǎng)站的更新而更新；可以節(jié)省服務器資源，一般采集程序就幾個文件，所有網(wǎng)頁內(nèi)容都是來自其他網(wǎng)站。缺點有：不穩(wěn)定，如果目標網(wǎng)站出錯，程序也會出錯，而且，如果目標網(wǎng)站進行升級維護，那么采集程序也要進行相應修改；速度，因為是遠程調(diào)用，速度和在本地服務器上讀取數(shù)據(jù)比起來，肯定要慢一些。
一、事例
下面就XMLHTTP在ASP中的應用做個簡單說明
復制代碼 代碼如下:
<%
'常用函數(shù)
'1、輸入url目標網(wǎng)頁地址，返回值getHTTPPage是目標網(wǎng)頁的html代碼
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、轉(zhuǎn)換亂瑪，直接用xmlhttp調(diào)用有中文字符的網(wǎng)頁得到的將是亂瑪，可以通過adodb.stream組件進行轉(zhuǎn)換
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" '轉(zhuǎn)換原來默認的UTF-8編碼轉(zhuǎn)換成GB2312編碼，否則直接用XMLHTTP組件調(diào)用有中文字符的網(wǎng)頁得到的將是亂碼
BytesToBstr = objstream.ReadText
objstream.Close
set objstream = nothing
End Function
'下面試著調(diào)用http://chabaoo.cn的html內(nèi)容
Dim Url,Html
Url="http://chabaoo.cn";
Html = getHTTPPage(Url)
Response.write Html
%>
二、幾個常用的函數(shù)
（一）InStr 函數(shù)
描述
返回某字符（string2）串在另一字符串（string1）中第一次出現(xiàn)的位置。
語法
InStr(string1, string2)
例如：
Dim SearchString, SearchChar
SearchString ="http://chabaoo.cn" ' 要在其中搜索的字符串。
SearchChar = "jb51" ' 搜索 "jb51"。
MyBK = Instr(SearchString, SearchChar) ' 返回 8
'如果找不到則返回“0”，例如：
SearchChar = "BK"
MyBK = Instr(SearchString, SearchChar) ' 返回 0
（二）Mid 函數(shù)
描述
從字符串中返回指定數(shù)目的字符。
語法
Mid(string, start, over)
例如：
Dim MyBK
MyBK = Mid("我們的BK(www.google)設計", 7, 12) '截取字符串"我們的BK(www.google)設計"第7個字符以后的12個字符
'此時MyBK的值就變成了"www.google"
（三）Replace 函數(shù)
Dim SearchString, SearchChar
SearchString ="我們的BK設計是一個網(wǎng)站建設資源網(wǎng)站" ' 要在其中搜索的字符串。
SearchString =Replace(SearchString,"BK設計","Www.google")
'此時SearchString的值就變成了"我們的Www.google是一個網(wǎng)站建設資源網(wǎng)站"
三、截取指定區(qū)域的HTML代碼
例如我只想獲取以下HTML代碼中"<td>"和"</td>"之間的的文字部分:
<html>
<title>(www.google)谷歌搜索引擎</title>
<body>
<table>
<tr><td></td></tr>
<tr><td id="Content">BK(www.google)谷歌搜索引擎是個資源多多的站點……</td></tr>
</table>
</body>
</html>
<%
……
Dim StrBK,start,over,RsBK
StrBK=getHTTPPage(網(wǎng)頁的地址)
start=Instr(StrBK,"<td id=""Content"">") '此處的作用是獲取字符串開始地方的定位。這里要有人問了:原來的代碼是<td id="Content">,怎么你這里調(diào)用的是<td id=""Content"">啊?答案:asp中（準確的說是VBscript中是用兩個雙引號來表示一個雙引號的，因為雙引號對于程序來說是個敏感字符。）
over=Instr(StrBK,"…</td></tr>")'此處的作用是獲取字符串結(jié)束地方的定位。
'這里又要有人問了:( :程序調(diào)用HTML代碼干嗎前面多出來3個點點"…"?。看穑禾崾荆荷厦嬉恍幸灿幸粋€</td></tr>，如果這里用</td></tr>來定位的話，程序會錯誤地把上面一行的</td></tr>當成欲獲取字符串的結(jié)束部分了。
RsBK=mid(StrBK,start,over-start) '此處的作用是取出StrBK中第start個字符到第over個字符之間的字符串。mid函數(shù)前面一節(jié)我也講過了；over-start是為了計算出開始位置和結(jié)束位置之間的距離，也就是字符數(shù)。
response.write(RsBK) '最后輸出程序獲取的內(nèi)容
%>
不要高興的太早，當你運行的時候，你會發(fā)現(xiàn)頁面的html代碼有錯誤，為什么呢？因為你獲取的html代碼是：
<td id="Content">BK(www.google)谷歌搜索引擎是個資源多多的站點…
看到了吧？有殘缺的HTML代碼啊！怎么辦呢？start=Instr(StrBK,"<td id=""Content"">")這個語句獲取的是"<td id="Content">"在StrBK中的位置數(shù),現(xiàn)在我們可以在程序語句的后面加上17,那么程序就會將位置指向<td id="Content">后面的那個字符.
好的,程序?qū)⒏某蛇@樣:
<%
……
Dim StrBK,start,over,RsBK
StrBK=getHTTPPage(網(wǎng)頁的地址)
start=Instr(StrBK,"<td id=""Content"">") + 17
over=Instr(StrBK,"…</td></tr>") '這里你也可以減去七(-7)把3個點去掉
RsBK=mid(StrBK,start,over-start)
response.write(RsBK)
%>
這樣就OK了,我們就可以將我們想要的東西偷過來顯示在我們自己的頁面了,呵呵~
四、刪掉或修改獲取的字符
將RsBK中的"BK(www.google)"換成"BK":
RsBK=replace(RsBK,"BK(www.google)","BK")
或者直接把"(www.google)"刪掉:
RsBK=replace(RsBK,"(www.google)","")
好了,現(xiàn)在RsBK就變成了:"BK谷歌搜索引擎是個資源多多的站點……"了.
但是事實中,有些情況可能replace函數(shù)是不適應的,比如我們想把某個字符串里面的所有連接都去掉.連接可能包括很多種類型,replace只能替代其中特定的一個,我們不可能用一個又一個對應的replace函數(shù)來替換吧?
但可以使用正則表達式來代替此項工作。這里不細談了。
（一）如何將對方網(wǎng)站的翻頁也處理成我們自己的呢?
答案是：利用replace函數(shù)和頁面參數(shù)的傳遞。
例如對方頁面里含有這樣的翻頁代碼："<a href=2.htm>下一頁</a>",我們可以先利用上面講的內(nèi)容，獲取這個字符串，然后用replace函數(shù)：RsBK=replace(RsBK,"<a href=","<a href=page.asp?Url=")
然后再page.asp的程序里獲取Url的參數(shù)值，最后用采集技術(shù)獲取下一頁你想要的內(nèi)容就可以了。
（二）如何將獲取的內(nèi)容入庫
由于篇幅有限,這里簡單說一下.
其實很簡單：
將偷來的內(nèi)容作一下處理，防止在寫入數(shù)據(jù)庫的時候出現(xiàn)sql注入錯誤，例如：replace(String,"'","''")
然后執(zhí)行一個插入數(shù)據(jù)庫操作的sql命令就ok了~
以上只是一些關(guān)于XMLHTTP組件的初級應用，實際上它還能實現(xiàn)的功能還有很多，比如說保存遠程圖片到本地服務器上，配合adodb.stream組件可以把獲取來的數(shù)據(jù)保存進數(shù)據(jù)庫。采集的作用和使用范圍都很廣。
相關(guān)文章
信息采集程序...2006-10-10
獲取遠程flash并保存到本地...2006-11-11
直接保存URL圖像或網(wǎng)頁到服務器本地的類...2006-08-08
一個防止被采集的方法...2006-09-09
實例分析asp的采集原理2008-09-09![[asp]阿里西西的alexa采集效果代碼](http://img.jbzj.com/images/xgimg/bcimg5.png)
[asp]阿里西西的alexa采集效果代碼...2007-11-11
一個帶采集遠程文章內(nèi)容,保存圖片,生成文件等完整的采集功能
本文提供了一套完整的ASP采集功能函數(shù),包含提取地址的原字符,保存遠程的文件到本地模擬登錄,獲取網(wǎng)頁源碼等功能函數(shù)2009-06-06
用asp獲取微軟安全更新列表的代碼，其實就是小偷程序，原理比較簡單，學習asp小偷程序的朋友可以參考下。更好的代碼可以下載腳本之家提供的源碼。2011-01-01
ASP小偷(遠程數(shù)據(jù)獲取)程序入門教程...2006-06-06
asp下利用XMLHTTP 從其他頁面獲取數(shù)據(jù)的代碼
asp下利用XMLHTTP 從其他頁面獲取數(shù)據(jù)的代碼...2007-11-11