推薦：ASP與ACCESS鏈接
本文例舉了ASP實例關于ASP與ACCESS鏈接的兩種方式。 以下為引用的內容： % dim dd,connstr dd=data.mdb connstr=&q

采集程序的主要步驟如下：

一、獲取被采集的頁面的內容

二、從獲取代碼中提取所有用的數(shù)據

 

 

一、獲取被采集的頁面的內容

我目前所掌握的ASP常用獲取被采集的頁面的內容方法：

1、用serverXMLHTTP組件獲取數(shù)據

以下內容為程序代碼:

以下為引用的內容： Function GetBody(weburl) '創(chuàng)建對象 Dim ObjXMLHTTP Set ObjXMLHTTP=Server.CreateObject("MSXML2.serverXMLHTTP") '請求文件,以異步形式 ObjXMLHTTP.Open "GET",weburl,False ObjXMLHTTP.send While ObjXMLHTTP.readyState <> 4 ObjXMLHTTP.waitForResponse 1000 Wend '得到結果 GetBody=ObjXMLHTTP.responseBody '釋放對象 Set ObjXMLHTTP=Nothing End Function

調用方法：
GetBody(文件的URLf地址)

2、或XMLHTTP組件獲取數(shù)據

以下內容為程序代碼:

以下為引用的內容： Function GetBody(weburl) '創(chuàng)建對象 Set Retrieval = CreateObject("Microsoft.XMLHTTP") With Retrieval .Open "Get", weburl, False, "", "" .Send GetBody = .ResponseBody End With '釋放對象 Set Retrieval = Nothing End Function

調用方法：
GetBody(文件的URLf地址)

這樣獲取的數(shù)據內容還需要進行編碼轉換才可以使用

以下內容為程序代碼:

以下為引用的內容： Function BytesToBstr(body,Cset) 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 End Function

調用方法：BytesToBstr(要轉換的數(shù)據,編碼)'編碼常用為GB2312和UTF-8

二、從獲取代碼中提取所有用的數(shù)據
目前我掌握的方法有：
1、用ASP內置的MID函數(shù)截取需要的數(shù)據

以下內容為程序代碼:

Function body(wstr,start,over)
start=Newstring(wstr,start)
'設置需要處理的數(shù)據的唯一的開始標記
over=Newstring(wstr,over)
'和start相對應的就是需要處理的數(shù)據的唯一的結束標記
body=mid(wstr,start,over-start)
'設置顯示頁面的范圍

End Function
調用方法：body(被采集的頁面的內容,開始標記,結束標記)

2、用正則獲取需要的數(shù)據

以下內容為程序代碼:

Function body(wstr,start,over)
Set xiaoqi = New Regexp'設置配置對象
xiaoqi.IgnoreCase = True'忽略大小寫
xiaoqi.Global = True'設置為全文搜索
xiaoqi.Pattern = "”&start&“. ?”&over&“"'正則表達式
Set Matches =xiaoqi.Execute(wstr)'開始執(zhí)行配置
set xiaoqi=nothing
body=""
For Each Match in Matches
body=body&Match.Value '循環(huán)匹配
Next
End Function
調用方法：body(被采集的頁面的內容,開始標記,結束標記)

采集程序祥細思路：
1、取得網站的分頁列表頁的每頁地址
目前絕大部分動態(tài)網站的分頁地址都有規(guī)則，如:
動態(tài)頁
第一頁：index.asp?page=1
第二頁：index.asp?page=2
第三頁：index.asp?page=3
.....
靜態(tài)頁
第一頁：page_1.htm
第二頁：page_2.htm
第三頁：page_3.htm
.....
取得網站的分頁列表頁的每頁地址，只需要用變量替代每頁地址的變化的字符即可如：page_<%="&page&"%>.htm
2、獲取被采集網站的分頁列表頁內容
3、從分頁列表代碼中提取被采集的內容頁面的URL連接地址
絕大部分分頁頁面里的內容頁連接也有固定規(guī)則，如：
連接1

連接2

連接3

用以下代碼就可以獲得一個URL連接集合

以下內容為程序代碼:

以下為引用的內容： Set xiaoqi = New Regexp xiaoqi.IgnoreCase = True xiaoqi.Global = True xiaoqi.Pattern = ””“. ?”““ Set Matches =xiaoqi.Execute(頁面列表內容) set xiaoqi=nothing url="" For Each Match in Matches url=url&Match.Value Next

4、取得被采集的內容頁面內容，根據”提取標記“從被采集的內容頁面分別截取要取得的數(shù)據
因為是動態(tài)生成的頁面，大多數(shù)內容頁面內都有相同的html標記，我們可以根據這些有規(guī)則的標記提取需要的各個部分的內容。
如：
每個頁面都有網頁標題，用我上面寫的MID截取函數(shù)就可以獲得之間的值，也可以用正則表達式來獲得。
例：body("","")

分享：如何使用ASP訂制自己的XML文件讀寫方法
在此之前，我寫了兩篇關于ASP結合XML的貼子，分別介紹了用XML取代數(shù)據庫和用XML整合數(shù)據庫這兩方面的技術，讓數(shù)據庫在某種情況下不再是我們的唯一選擇。而XML跟傳統(tǒng)數(shù)據庫相比，更有以下優(yōu)