抓取文章

<% ... @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[^<>]+?>((.| )*?)</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 >