在线建站培训
?客服
?搜索
您的位置: 维尼斯老虎机 网络编程 ASP编程 查看内容

网站生成静态页面攻略2:数据采集

2017-7-21 08:30 | 发布者: moke | 栏目:ASP编程

采集原理:
采集程序的主要步骤如下:
一、获取被采集的页面的内容
二、从获取代码中提取所有用的数据
一、获取被采集的页面的内容
我目前所掌握的ASP常用获取被采集的页面的内容方法:
1、用serverXMLHTTP组件获取数据

Function GetBody(weburl)
'-----------------翟振恺(小琦)
'创建对象
Dim ObjXMLHTTP
Set ObjXMLHTTP=Server.CreateObject("MSXML2.serverXMLHTTP")
'请求文件,以异步形式
ObjXMLHTTP.Open "GET",weburl,False
ObjXMLHTTP.send
While ObjXMLHTTP.readyState <> 4
ObjXMLHTTP.waitForResponse 1000
Wend
'得到结果
GetBody=ObjXMLHTTP.responseBody
'释放对象
Set ObjXMLHTTP=Nothing
'-----------------翟振恺(小琦)
End Function
调用方法:GetBody(文件的URLf地址)
2、或XMLHTTP组件获取数据

Function GetBody(weburl)
'-----------------翟振恺(小琦)
'创建对象
Set Retrieval = CreateObject("Microsoft.XMLHTTP")
With Retrieval
.Open "Get", weburl, False, "", ""
.Send
GetBody = .ResponseBody
End With
'释放对象
Set Retrieval = Nothing
'-----------------翟振恺(小琦)
End Function
调用方法:GetBody(文件的URLf地址)
这样获取的数据内容还需要进行编码转换才可以使用

Function BytesToBstr(body,Cset)
'-----------------翟振恺(小琦)
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 = Cset
BytesToBstr = objstream.ReadText
objstream.Close
set objstream = nothing
'-----------------翟振恺(小琦)
End Function
调用方法:BytesToBstr(要转换的数据,编码)'编码常用为utf-8和UTF-8。
二、从获取代码中提取所有用的数据
1、用ASP内置的MID函数截取需要的数据

Function body(wstr,start,over)
'-----------------翟振恺(小琦)
start=Newstring(wstr,start)
'设置需要处理的数据的唯一的开始标记
over=Newstring(wstr,over)
'和start相对应的就是需要处理的数据的唯一的结束标记
body=mid(wstr,start,over-start)
'设置显示页面的范围
'-----------------翟振恺(小琦)
End Function
调用方法:body(被采集的页面的内容,开始标记,结束标记)
2、用正则获取需要的数据

Function body(wstr,start,over)
'-----------------翟振恺(小琦)
Set xiaoqi = New Regexp'设置配置对象
xiaoqi.IgnoreCase = True'忽略大小写
xiaoqi.Global = True'设置为全文搜索
xiaoqi.Pattern = "”&start&“.+?”&over&“"'正则表达式
Set Matches =xiaoqi.Execute(wstr)'开始执行配置
set xiaoqi=nothing
body=""
For Each Match in Matches
body=body&Match.Value '循环匹配
Next
'-----------------翟振恺(小琦)
End Function
调用方法:body(被采集的页面的内容,开始标记,结束标记)
采集程序祥细思路:
1、取得网站的分页列表页的每页地址
目前绝大部分动态网站的分页地址都有规则,如:
动态页
第一页:index.asp?page=1
第二页:index.asp?page=2
第三页:index.asp?page=3
.....

静态页
第一页:page_1.htm
第二页:page_2.htm
第三页:page_3.htm
.....
取得网站的分页列表页的每页地址,只需要用变量替代每页地址的变化的字符即可如:page_<%="&page&"%>.htm
2、获取被采集网站的分页列表页内容
3、从分页列表代码中提取被采集的内容页面的URL连接地址
绝大部分分页页面里的内容页连接也有固定规则,如:

连接1

连接2

连接3

用以下代码就可以获得一个URL连接集合

'-----------------翟振恺(小琦)
Set xiaoqi = New Regexp
xiaoqi.IgnoreCase = True
xiaoqi.Global = True
xiaoqi.Pattern = ””“.+?”““
Set Matches =xiaoqi.Execute(页面列表内容)
set xiaoqi=nothing
url=""
For Each Match in Matches
url=url&Match.Value
Next
'-----------------翟振恺(小琦)
4、取得被采集的内容页面内容,根据”提取标记“从被采集的内容页面分别截取要取得的数据。
因为是动态生成的页面,大多数内容页面内都有相同的html标记,韦德1946老虎机可以根据这些有规则的标记提取需要的各个部分的内容。如:
每个页面都有网页标题维尼斯老虎机_韦德老虎机_韦德1946老虎机,用我上面写的MID截取函数就可以获得维尼斯老虎机_韦德老虎机_韦德1946老虎机之间的值,也可以用正则表达式来获得。
例:

body("维尼斯老虎机_韦德老虎机_韦德1946老虎机","维尼斯老虎机_韦德老虎机_韦德1946老虎机")

维尼斯老虎机温馨提示:如果正在寻找响应式网站维尼斯老虎机,那么到维尼斯老虎机的 响应式网站维尼斯老虎机 频道看看吧,这里有很多的响应式网站维尼斯老虎机哦!

最新分享资源

最新评论

验证码 换一个

维尼斯老虎机,韦德老虎机,韦德1946老虎机

百度360搜索搜狗搜索