asp 小偷采集程序原理与常用函数方法
2018-09-06 11:24
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
下面试着调用的html内容
Dim Url,Html
Url=
Html = getHTTPPage(Url)
Response.write Html
%>
二、几个常用的函数
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 =要在其中搜索的字符串。
SearchChar = blue1000 搜索 blue1000。
MyBK = Instr(SearchString, SearchChar) 返回 8
如果找不到则返回“0”，例如：
SearchChar = BK
MyBK = Instr(SearchString, SearchChar) 返回 0
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(设计, 7, 12) 截取字符串我们的BK(设计第7个字符以后的12个字符此时MyBK的值就变成了
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,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>BK(谷歌搜索引擎</title>
<body>
<table>
<tr><td></td></tr>
<tr><td id=Content>BK(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(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(换成BK:
RsBK=replace(RsBK,BK(
或者直接把(删掉:
RsBK=replace(RsBK,(
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?
下一篇：一段采集程序代码