快捷導(dǎo)航

asp 小偷采集程序原理與常用函數(shù)方法

更新時間：2009年11月23日 00:26:37 作者：

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(wù)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(yīng)修改；速度，因為是遠程調(diào)用，速度和在本地服務(wù)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(yīng)用做個簡單說明

復(fù)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://www.google的html內(nèi)容 
Dim Url,Html 
Url="http://www.google"; 
Html = getHTTPPage(Url) 
Response.write Html 
%> 

二、幾個常用的函數(shù)
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://www.google" ' 要在其中搜索的字符串。
SearchChar = "blue1000" ' 搜索 "blue1000"。
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
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(shè)計", 7, 12) '截取字符串"我們的BK(www.google)設(shè)計"第7個字符以后的12個字符'此時MyBK的值就變成了"www.google"
Replace 函數(shù)
Dim SearchString, SearchChar
SearchString ="我們的BK設(shè)計是一個網(wǎng)站建設(shè)資源網(wǎng)站" ' 要在其中搜索的字符串。
SearchString =Replace(SearchString,"BK設(shè)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(shè)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>BK(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(dāng)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(dāng)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?。≡趺崔k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(yīng)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(yīng)的replace函數(shù)來替換吧?