用ASP实现远程抓取网页到本地数据库
2008-02-23 09:37:47来源:互联网 阅读 ()
Id | 自动编号 | 标识,主键 |
oldID | 数字 | 旧数据编码 |
Title | 标题 | 文本 |
Content | 备注 | 内容 |
具体实现代码如下
<%@LANGUAGE="JSCRIPT" CODEPAGE="936"%>
<!-- METADATA NAME="Microsoft ActiveX Data Objects 2.5 Library"
TYPE="TypeLib" UUID="{00000205-0000-0010-8000-00AA006D2EA4}" -->
<%
//打开数据库
try
{
var strConnectionString = "Provider=Microsoft.Jet.OLEDB.4.0;Data Source=" Server.MapPath("#db.mdb");
var objConnection = Server.CreateObject("ADODB.Connection");
objConnection.Open(strConnectionString);
}
catch(e)
{
Response.Write(e.description);
Response.End();
}
%>
<script language="jscript" runat="server">
//远程获取数据
function GetData()
{
var xHttp = new ActiveXObject("microsoft.xmlhttp");
xHttp.open("POST","http://www.chinamp.org/mppro2.php",false);
xHttp.send();
return(xHttp.responseText);
}
//利用正则表达式提取符合条件的链接
function GetLinks(str)
{
var re = new RegExp("<a[^<>] ?\>((.|\n)*?)<\/a>", "gi");
var a = str.match(re); //第一次搜索 for(var i=0;i<a.length;i )
{
var t1,t2;
var temp;
var r = /qy.php\?id=(\d )/ig;
if(!r.test(a[i]))continue;
temp = a[i].match(/qy.php\?id=(\d )/ig);
t1 = RegExp.$1;
temp = a[i].match(/<font[^<>] ?color=\"#000000\"\>(.*?)<\/font>/ig);
t2 = RegExp.$1;
if(t1 == t2)continue;
SaveArticle(t1,t2,GetContent(t1));
}
}
//通过提取的链接获取ID,并通过这个ID取抓取相应的文章
function GetContent(id)
{
var xHttp = new ActiveXObject("microsoft.xmlhttp");
xHttp.open("POST","http://www.chinamp.org/qy.php?id=" id,false);
xHttp.send();
var str = xHttp.responseText;
var re = new RegExp("<span[^<>] ?style=\"font-size:10\.8pt\">(.*?)<\/span>", "gi");
var a = str.match(re);
return(RegExp.$1);
}
//入库
function SaveArticle(oldID,Title,Content)
{
var oRst = Server.CreateObject("ADODB.Recordset");
var sQuery;
sQuery = "SELECT oldID,Title,Content FROM Articles"
oRst.Open(sQuery,objConnection,adOpenStatic,adLockPessimistic);
oRst.AddNew();
oRst("oldID") = oldID;
oRst("Title") = Title;
oRst("Content") = Content;
oRst.Update();
oRst.Close();
Response.Write(Title "抓取成功" "<br>");
}
</script>
<HTML>
<HEAD>
<TITLE> 抓取文章</TITLE>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312"></HEAD>
<BODY>
<%=GetLinks(GetData())%>
</BODY>
</HTML>
下一步就是,把这个Access的数据库的内容导入到服务器的数据库里了,但是还有一些东西,就是原来的文章是分类的,所以导入的时候还得手工分类,因为在分析链接的时候正则表达式本来写就很麻烦,但还算严谨,如果把分类也用正则表达式解析的话,会很麻烦,因为分类是包含在<td>里面的,而那个页的<td>标签又很多,要想定位分类文字所在的<td>会很麻烦,即便写出来,程序也会失去灵活性,变得难以维护,所以现在只做到了这一步。
标签:
版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有
下一篇:web组合框的实现方法
IDC资讯: 主机资讯 注册资讯 托管资讯 vps资讯 网站建设
网站运营: 建站经验 策划盈利 搜索优化 网站推广 免费资源
网络编程: Asp.Net编程 Asp编程 Php编程 Xml编程 Access Mssql Mysql 其它
服务器技术: Web服务器 Ftp服务器 Mail服务器 Dns服务器 安全防护
软件技巧: 其它软件 Word Excel Powerpoint Ghost Vista QQ空间 QQ FlashGet 迅雷
网页制作: FrontPages Dreamweaver Javascript css photoshop fireworks Flash