asp采集HTML内容常用代码,详讲正则采集

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了asp采集HTML内容常用代码,详讲正则采集，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含3381字，纯文字阅读大概需要5分钟。

内容图文

Function GetBody(weburl) 
'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 
End Function 
调用方法： 
GetBody(文件的URLf地址) 
 
2、或XMLHTTP组件获取数据 
 代码如下:

Function GetBody(weburl) 
'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 
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 
 代码如下:

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 
 
调用方法：BytesToBstr(要转换的数据,编码)'编码常用为GB2312和UTF-8 
二、从获取代码中提取所有用的数据 
目前我掌握的方法有： 
1、用ASP内置的MID函数截取需要的数据 
 代码如下:

Function body(wstr,start,over) 
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 
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 
 代码如下:

Function body(wstr,start,over) 
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 
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： 
<a href="url1">连接1</a> <br> 
<a href="url2">连接2</a> <br> 
<a href="url3">连接3</a> <br> 

用以下代码就可以获得一个URL连接集合 
 代码如下:

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 
 
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，我们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<title>网页标题</title>，用我上面写的MID截取函数就可以获得<title></title>之间的值，也可以用正则表达式来获得。 
例：body("<title>网页标题</title>","<title>","</title>")
            
            


           
                
                                                

内容总结

以上是互联网集市为您收集整理的asp采集HTML内容常用代码,详讲正则采集全部内容，希望文章能够帮你解决asp采集HTML内容常用代码,详讲正则采集所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端