分享
 
 
 

用ASP实现远程抓取网页到本地数据库

王朝asp·作者佚名  2006-11-24
窄屏简体版  字體: |||超大  

接到一个任务是把中国名牌网站的某些内容添加到我们的网站上,这些网站上有些页面是文章链接列表,点击链接会出现文章的详细内容显示页,根据这个规律,结合正则表达式,XMLHTTP技术,Jscript服务端脚本,以及ADO技术,写了一个小程序,把这些内容抓取到了本地数据库。抓取下来,然后就数据库对数据库导数据就比较方便了。先建立一个Access数据库,结构如下

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。

 
 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
2023年上半年GDP全球前十五强
 百态   2023-10-24
美众议院议长启动对拜登的弹劾调查
 百态   2023-09-13
上海、济南、武汉等多地出现不明坠落物
 探索   2023-09-06
印度或要将国名改为“巴拉特”
 百态   2023-09-06
男子为女友送行,买票不登机被捕
 百态   2023-08-20
手机地震预警功能怎么开?
 干货   2023-08-06
女子4年卖2套房花700多万做美容:不但没变美脸,面部还出现变形
 百态   2023-08-04
住户一楼被水淹 还冲来8头猪
 百态   2023-07-31
女子体内爬出大量瓜子状活虫
 百态   2023-07-25
地球连续35年收到神秘规律性信号,网友:不要回答!
 探索   2023-07-21
全球镓价格本周大涨27%
 探索   2023-07-09
钱都流向了那些不缺钱的人,苦都留给了能吃苦的人
 探索   2023-07-02
倩女手游刀客魅者强控制(强混乱强眩晕强睡眠)和对应控制抗性的关系
 百态   2020-08-20
美国5月9日最新疫情:美国确诊人数突破131万
 百态   2020-05-09
荷兰政府宣布将集体辞职
 干货   2020-04-30
倩女幽魂手游师徒任务情义春秋猜成语答案逍遥观:鹏程万里
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案神机营:射石饮羽
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案昆仑山:拔刀相助
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案天工阁:鬼斧神工
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案丝路古道:单枪匹马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:与虎谋皮
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:李代桃僵
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:指鹿为马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:小鸟依人
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:千金买邻
 干货   2019-11-12
 
推荐阅读
 
 
 
>>返回首頁<<
 
靜靜地坐在廢墟上,四周的荒凉一望無際,忽然覺得,淒涼也很美
© 2005- 王朝網路 版權所有