asp.net数据采集基类

最新推荐文章于 2013-04-15 10:11:00 发布
最新推荐文章于 2013-04-15 10:11:00 发布
阅读量1.3k 收藏
点赞数
分类专栏： Asp.net & C# 正则表达式 
using System;
using System.Data;
using System.Configuration;
using System.Web;
using System.Web.Security;
using System.Web.UI;
using System.Web.UI.WebControls;
using System.Web.UI.WebControls.WebParts;
using System.Web.UI.HtmlControls;
using MSXML2; // 添加引用、COM、Microsoft   XML   ,   v2.6、选择、确定。
using System.Text.RegularExpressions;

    /// <summary>
    /// 远程文件抓取类
    /// </summary>
public class GetRemoteObj
{

    #region 构造与析构函数
    public GetRemoteObj()
    {
        //
        // TODO: 在此处添加构造函数逻辑
        //
    }
    ~GetRemoteObj()
    {
        Dispose();
    }
    #endregion

    #region IDisposable 成员

    public void Dispose()
    {
        GC.SuppressFinalize(this);
    }

    #endregion

    #region 日期随机函数
    /**********************************
         * 函数名称:DateRndName
         * 功能说明:日期随机函数
         * 参    数:ra:随机数
         * 调用示例:
         *          GetRemoteObj o = new GetRemoteObj();
         *          Random ra = new Random();
         *          string s = o.DateRndName(ra);
         *          Response.Write(s);
         *          o.Dispose();
         * ********************************/
    /// <summary>
    /// 日期随机函数
    /// </summary>
    /// <param name="ra">随机数</param>
    /// <returns></returns>
    public string DateRndName(Random ra)
    {
        DateTime d = DateTime.Now;
        string s = null, y, m, dd, h, mm, ss;
        y = d.Year.ToString();
        m = d.Month.ToString();
        if (m.Length < 2) m = "0" + m;
        dd = d.Day.ToString();
        if (dd.Length < 2) dd = "0" + dd;
        h = d.Hour.ToString();
        if (h.Length < 2) h = "0" + h;
        mm = d.Minute.ToString();
        if (mm.Length < 2) mm = "0" + mm;
        ss = d.Second.ToString();
        if (ss.Length < 2) ss = "0" + ss;
        s += y + m + dd + h + mm + ss;
        s += ra.Next(100, 999).ToString();
        return s;
    }
    #endregion

    #region 取得文件后缀
    /**********************************
         * 函数名称:GetFileExtends
         * 功能说明:取得文件后缀
         * 参    数:filename:文件名称
         * 调用示例:
         *          GetRemoteObj o = new GetRemoteObj();
         *          string url = @"http://www.baidu.com/img/logo.gif";
         *          string s = o.GetFileExtends(url);
         *          Response.Write(s);
         *          o.Dispose();
         * ********************************/
    /// <summary>
    /// 取得文件后缀
    /// </summary>
    /// <param name="filename">文件名称</param>
    /// <returns></returns>
    public string GetFileExtends(string filename)
    {
        string ext = null;
        if (filename.IndexOf('.') > 0)
        {
            string[] fs = filename.Split('.');
            ext = fs[fs.Length - 1];
        }
        return ext;
    }
    #endregion

    #region 获取远程文件源代码
    /**********************************
         * 函数名称:GetRemoteHtmlCode
         * 功能说明:获取远程文件源代码
         * 参    数:Url:远程url
         * 调用示例:
         *          GetRemoteObj o = new GetRemoteObj();
         *          string url = @"http://www.baidu.com/";
         *          string s = o.GetRemoteHtmlCode(url);
         *          Response.Write(s);
         *          o.Dispose();
         * ********************************/
    /// <summary>
    /// 获取远程文件源代码
    /// </summary>
    /// <param name="url">远程url</param>
    /// <returns></returns>
    public string GetRemoteHtmlCode(string Url)
    {
        string s = "";
        MSXML2.XMLHTTP _xmlhttp = new MSXML2.XMLHTTPClass();
        _xmlhttp.open("GET", Url, false, null, null);
        _xmlhttp.send("");
        if (_xmlhttp.readyState == 4)
        {
            s = System.Text.Encoding.Default.GetString((byte[])_xmlhttp.responseBody);
        }
        return s;
    }

    #endregion

    #region 保存远程文件
    /**********************************
         * 函数名称：RemoteSave
         * 功能说明：保存远程文件
         * 参    数：Url:远程url;Path:保存到的路径
         * 调用示例:
         *          GetRemoteObj o = new GetRemoteObj();
         *          string s = "";
         *          string url = @"http://www.baidu.com/img/logo.gif";
         *          string path =Server.MapPath("Html/");
         *          s = o.RemoteSave(url,path);
         *          Response.Write(s);
         *          o.Dispose();         
         * ******************************/
    /// <summary>
    /// 保存远程文件
    /// </summary>
    /// <param name="Url">远程url</param>
    /// <param name="Path">保存到的路径</param>
    /// <returns></returns>
    public string RemoteSave(string Url, string Path)
    {
        Random ra = new Random();
        string StringFileName = DateRndName(ra) + "." + GetFileExtends(Url);
        string StringFilePath = Path + StringFileName;
        MSXML2.XMLHTTP _xmlhttp = new MSXML2.XMLHTTPClass();
        _xmlhttp.open("GET", Url, false, null, null);
        _xmlhttp.send("");
        if (_xmlhttp.readyState == 4)
        {
            if (System.IO.File.Exists(StringFilePath))
                System.IO.File.Delete(StringFilePath);
            System.IO.FileStream fs = new System.IO.FileStream(StringFilePath, System.IO.FileMode.CreateNew);
            System.IO.BinaryWriter w = new System.IO.BinaryWriter(fs);
            w.Write((byte[])_xmlhttp.responseBody);
            w.Close();
            fs.Close();
        }
        else
            throw new Exception(_xmlhttp.statusText);
        return StringFileName;
    }
    #endregion

    #region 替换网页中的换行和引号
    /**********************************
         * 函数名称:ReplaceEnter
         * 功能说明:替换网页中的换行和引号
         * 参    数:HtmlCode:html源代码
         * 调用示例:
         *          GetRemoteObj o = new GetRemoteObj();
         *          string Url = @"http://www.baidu.com/";
         *          strion HtmlCode = o.GetRemoteHtmlCode(Url);
         *          string s = o.ReplaceEnter(HtmlCode);
         *          Response.Write(s);
         *          o.Dispose();
         * ********************************/
    /// <summary>
    /// 替换网页中的换行和引号
    /// </summary>
    /// <param name="HtmlCode">HTML源代码</param>
    /// <returns></returns>
    public string ReplaceEnter(string HtmlCode)
    {
        string s = "";
        if (HtmlCode == null || HtmlCode == "")
            s = "";
        else
            s = HtmlCode.Replace("\"", "");
        s = s.Replace("\r\n", "");
        return s;
    }

    #endregion

    #region 执行正则提取出值
    /**********************************
         * 函数名称:GetRegValue
         * 功能说明:执行正则提取出值
         * 参    数:HtmlCode:html源代码
         * 调用示例:
         *          GetRemoteObj o = new GetRemoteObj();
         *          string Url = @"http://www.baidu.com/";
         *          strion HtmlCode = o.GetRemoteHtmlCode(Url);
         *          string s = o.ReplaceEnter(HtmlCode);
         *          string Reg="<title>.+?</title>";
         *          string GetValue=o.GetRegValue(Reg,HtmlCode)
         *          Response.Write(GetValue);
         *          o.Dispose();
         * ********************************/
    /// <summary>
    /// 执行正则提取出值
    /// </summary>
    /// <param name="RegexString">正则表达式</param>
    /// <param name="RemoteStr">HtmlCode源代码</param>
    /// <returns></returns>
    public string GetRegValue(string RegexString, string RemoteStr)
    {
        string MatchVale = "";
        Regex r = new Regex(RegexString);
        Match m = r.Match(RemoteStr);
        if (m.Success)
        {
            MatchVale = m.Value;
        }
        return MatchVale;
    }
    #endregion

    #region 替换HTML源代码
    /**********************************
         * 函数名称:RemoveHTML
         * 功能说明:替换HTML源代码
         * 参    数:HtmlCode:html源代码
         * 调用示例:
         *          GetRemoteObj o = new GetRemoteObj();
         *          string Url = @"http://www.baidu.com/";
         *          strion HtmlCode = o.GetRemoteHtmlCode(Url);
         *          string s = o.ReplaceEnter(HtmlCode);
         *          string Reg="<title>.+?</title>";
         *          string GetValue=o.GetRegValue(Reg,HtmlCode)
         *          Response.Write(GetValue);
         *          o.Dispose();
         * ********************************/
    /// <summary>
    /// 替换HTML源代码
    /// </summary>
    /// <param name="HtmlCode">html源代码</param>
    /// <returns></returns>
    public string RemoveHTML(string HtmlCode)
    {
        string MatchVale = HtmlCode;
        foreach (Match s in Regex.Matches(HtmlCode, "<.+?>"))
        {
            MatchVale = MatchVale.Replace(s.Value, "");
        }
        return MatchVale;
    }

    #endregion

    #region 匹配页面的链接
    /**********************************
         * 函数名称:GetHref
         * 功能说明:匹配页面的链接
         * 参    数:HtmlCode:html源代码
         * 调用示例:
         *          GetRemoteObj o = new GetRemoteObj();
         *          string Url = @"http://www.baidu.com/";
         *          strion HtmlCode = o.GetRemoteHtmlCode(Url);
         *          string s = o.GetHref(HtmlCode);
         *          Response.Write(s);
         *          o.Dispose();
         * ********************************/
    /// <summary>
    /// 获取页面的链接正则
    /// </summary>
    /// <param name="HtmlCode"></param>
    /// <returns></returns>
    public string GetHref(string HtmlCode)
    {
        string MatchVale = "";
        string Reg = @"(h|H)(r|R)(e|E)(f|F) *= *('|"")?((\w|\\|\/|\.|:|-|_)+)('|""| *|>)?";
        foreach (Match m in Regex.Matches(HtmlCode, Reg))
        {
            MatchVale += (m.Value).ToLower().Replace("href=", "").Trim() + "||";
        }
        return MatchVale;
    }
    #endregion

    #region 匹配页面的图片地址
    /**********************************
         * 函数名称:GetImgSrc
         * 功能说明:匹配页面的图片地址
         * 参    数:HtmlCode:html源代码;imgHttp:要补充的http.当比如:<img src="bb/x.gif">则要补充http://www.baidu.com/,当包含http信息时,则可以为空
         * 调用示例:
         *          GetRemoteObj o = new GetRemoteObj();
         *          string Url = @"http://www.baidu.com/";
         *          strion HtmlCode = o.GetRemoteHtmlCode(Url);
         *          string s = o.GetImgSrc(HtmlCode,"http://www.baidu.com/");
         *          Response.Write(s);
         *          o.Dispose();
         * ********************************/
    /// <summary>
    /// 匹配页面的图片地址
    /// </summary>
    /// <param name="HtmlCode"></param>
    /// <param name="imgHttp">要补充的http://路径信息</param>
    /// <returns></returns>
    public string GetImgSrc(string HtmlCode, string imgHttp)
    {
        string MatchVale = "";
        string Reg = @"<img.+?>";
        foreach (Match m in Regex.Matches(HtmlCode, Reg))
        {
            MatchVale += GetImg((m.Value).ToLower().Trim(), imgHttp) + "||";
        }
        return MatchVale;
    }
    /// <summary>
    /// 匹配<img src="" />中的图片路径实际链接
    /// </summary>
    /// <param name="ImgString"><img src="" />字符串</param>
    /// <returns></returns>
    public string GetImg(string ImgString, string imgHttp)
    {
        string MatchVale = "";
        string Reg = @"src=.+\.(bmp|jpg|gif|png|)";
        foreach (Match m in Regex.Matches(ImgString.ToLower(), Reg))
        {
            MatchVale += (m.Value).ToLower().Trim().Replace("src=", "");
        }
        return (imgHttp + MatchVale);
    }

    #endregion

    #region 替换通过正则获取字符串所带的正则首尾匹配字符串
    /**********************************
         * 函数名称:GetHref
         * 功能说明:匹配页面的链接
         * 参    数:HtmlCode:html源代码
         * 调用示例:
         *          GetRemoteObj o = new GetRemoteObj();
         *          string Url = @"http://www.baidu.com/";
         *          strion HtmlCode = o.GetRemoteHtmlCode(Url);
         *          string s = o.RegReplace(HtmlCode,"<title>","</title>");
         *          Response.Write(s);
         *          o.Dispose();
         * ********************************/
    /// <summary>
    /// 替换通过正则获取字符串所带的正则首尾匹配字符串
    /// </summary>
    /// <param name="RegValue">要替换的值</param>
    /// <param name="regStart">正则匹配的首字符串</param>
    /// <param name="regEnd">正则匹配的尾字符串</param>
    /// <returns></returns>
    public string RegReplace(string RegValue, string regStart, string regEnd)
    {
        string s = RegValue;
        if (RegValue != "" && RegValue != null)
        {
            if (regStart != "" && regStart != null)
            {
                s = s.Replace(regStart, "");
            }
            if (regEnd != "" && regEnd != null)
            {
                s = s.Replace(regEnd, "");
            }
        }
        return s;
    }
    #endregion


}

        /**********************************
        * 函数名称:SniffwebCode 
        * 功能说明:获得页面HTML代码中开始标记和结束标记中间的数据:测试可用
        * 参    数:HTML源代码 ,开始标记,结束标记
        * 调用示例: 
        *string url = @"http://sohe.inhe.net/Search/SearchingGuild.aspx"; 
        *string s = o.GetRemoteHtmlCode(url);//获得网站源码
        *s=this.SniffwebCode(s,this.TextBox2.Text,this.TextBox3.Text);//获得指定HTML开始标记和结束标记中间的数据
        * ********************************/
        /// <summary>
        /// 获得HTML代码开始标记和结束标记中间的数据
        /// </summary>
        /// <param name="code">HTML代码</param>
        /// <param name="wordsBegin">开始标记</param>
        /// <param name="wordsEnd">结束标记</param>
        /// <returns></returns>
        public string SniffwebCode(string code, string wordsBegin, string wordsEnd)
        {
            string NewsTitle = "";
            Regex regex1 = new Regex("" + wordsBegin + @"(?<title>[/s/S]+?)" + wordsEnd + "", RegexOptions.Compiled | RegexOptions.IgnoreCase);
            for (Match match1 = regex1.Match(code); match1.Success; match1 = match1.NextMatch())
            {
                NewsTitle = match1.Groups["title"].ToString();
            }
            return NewsTitle;
        }
        /*** 调用例子 获得指定Html代码中所有超级连接的标题和连接地址:测试有效 反回DataTable列说明:title 文字 url 地址
        *  string url = @"http://sohe.inhe.net/Search/SearchingGuild.aspx"; 
        *  string HtmlAllCode = o.GetRemoteHtmlCode(url);//获得网站所有源码
        *  HtmlAllCode = o.SniffwebCode(HtmlAllCode, this.TextBox2.Text, this.TextBox3.Text);//根据开始标记和结束标记获得中间的数据
        *  DataTable table = o.GetCodeHref(HtmlAllCode);//获得指定Html所有超级连接的标题和连接地址返回一个DataTable表
        *  foreach(DataRow row in table.Rows)//循环表输出标题和连接
        *  {
        *    Response.Write(row["title"]+"<br>");
        *    Response.Write(row["url"] + "<br>");
        *  }
        */
        /// <summary>
        /// 获得指定Html代码中所有超级连接的标题和连接地址:测试有效 反回DataTable列说明:title 文字 url 地址
        /// </summary>
        /// <param name="HtmlCode">需要匹配出超级连接的HTML代码</param>
        /// <returns></returns>
        public DataTable GetCodeHref(string HtmlCode)
        {
            //匹配指定HTML代码中所有的超级连接中的href 和超连接文字内容的正则 有时候需要根据实际情况做小调整如果标题中间有<B>文字</B>的话
            string regex = @"/<a.*href/s*=/s*(?:""(?<url>[^""]*)""|'(?<url>[^']*)'|(?<url>[^/>^/s]+)).*/>(?<title>[^/<^/>]*)/<[^/</a/>]*/a/>";
            Regex reg1 = new Regex(regex, RegexOptions.IgnoreCase);//创建正则表达式对象
            MatchCollection ms1 = reg1.Matches(HtmlCode);//根据正则表达式匹配出所有匹配项返匹配集合
            DataTable table = new DataTable();//创建存储标题和连接的内存表
            table.Columns.Add("title");//标题文字列
            table.Columns.Add("url");//连接字符串
            foreach (Match m1 in ms1)//迭代集合获得每个匹配项
            {
                DataRow row = table.NewRow();//创建一行
                row["title"] = m1.Groups["title"].Value.ToString();
                row["url"] = m1.Groups["url"].Value.ToString();
                table.Rows.Add(row);//添加入行集合
            }
            return table;
        }
        #endregion

smartsmile2012
关注
专栏目录
asp.net速查手册呵呵
xiong1000 only focus on asp.net 2.0
07-23 6678
 GridView/DataGrid单元格不换行的问题 如何在GridView中使用DataFromatString VS2005新控件之GridView 使用高级技巧系列[一][视频] VS2005新控件之GridView 使用高级技巧 几个.Net开源的CMS、Portal系统 gridview中加弹出窗口用例 G
asp.net(C#) 数据采集、抓取
04-21
这是一个数据抓取的例，带数据库，数据库是vs2005，付加到数据库，修改数据库连接就可能以正常运行了！
数据采集源码web版asp.net
12-15
在网上找了很久，然后自己整理了几个晚上，可以根据自己的需要把源码复制到自己的解决方案就可以用。
Asp.net 数据采集基类(远程抓取,分解,保存,匹配)
weixin_30296405的博客
12-23 80
/############################################版权声明：http://www.opent.cn 作者:浪淘沙############################################/ using System;using System.Data;using System.Configuration;using System.Web;u...
asp数据采集
weixin_33894640的博客
01-12 139
asp数据采集数据采集程序 'On Error Resume NextServer.Scripttimeout=300'---------------------------------------------------------------------'采集数据Function getHTTPData(url)     dim http     set http=Server.creat...
ASP.NET中基类页的设计和使用
weixin_30347335的博客
08-28 94
转自：http://dev.yesky.com/msdn/326/7512326.shtml 在Asp.net业务系统的开发过程中，为了保证页面风格的一致性以及减少重复代码的编写，我们需要引入基类页的概念，即：定义一个基类页，让所有的页面都继承这个基类，并在该基类页中加入公用的属性和方法。 　　实际使用时，按照功能页面划分，可以定义多个基类页，如： ...
C#中的Asp.net 数据采集基类
06-25
C#中的Asp.net 数据采集基类(远程抓取,分解,保存,匹配) 分享
ASP.NET WebAPI构建API接口服务实战演练.zip
06-13
ASP.NET WebAPI是一种高效、灵活且可扩展的框架，用于构建RESTful（Representational State Transfer）服务，这些服务可以被各种客户端，包括浏览器和移动设备访问。本实战演练旨在通过DEMO代码帮助开发者深入理解...
【ASP.net文档】用C#实现HTTP协议下的多线程文件传输
05-19
在ASP.NET环境下，你可以创建一个Web服务或API接口，来处理客户端的多线程下载请求。客户端通过HTTP请求调用这个服务，服务端根据请求参数分配任务并启动多线程下载，然后将结果返回给客户端。 总之，C#和ASP.NET...
asp.net(c#)做一个网页数据采集工具
01-21
通过这个软件一两天就完成了几千产品数据的录入，可见很多工作不是一味用人工去做，作为一个程序员，就是要让很多让那些经常做重复性的、繁琐的工作中的人解放出来。下面只是写了一些核心代码，而且采集必须要和对应网站相挂钩，作者：郑少群 代码如下: //提取产品列表页中产品最终页的网页 private void button1_Click(object sender, EventArgs e) { if (textBox1.Text.Trim() == “” || textBox2.Text.Trim() == “”) { MessageBox.Show(“网址和域名不能为空！”, “信息提示”, Mes
.net数据采集源码
04-01
专门采集网站数据，比较球赛、彩票等网站的数据采集，轻松完成你想要的数据。
.NET实现之(WebBrowser数据采集—基础篇)
dengzai7446的博客
06-01 223
本人写博客总是喜欢来一段开场白，其实细心看我文章的朋友能明白我的意思，本人就是想让更多的人能理解我写文章的用意，力求用通俗易懂的方式展现复杂抽象的概念，写文章的朋友尤其是用心写文章的朋友，其实真正的目的不是写文章而是去帮助大家学习技术，在.NET领域里有各种各样的技术，一个人的精力有限，在讲解某一个技术要点的时候难免疏忽大意讲错，这很正常，我有时候在看一些前辈的文章时，总能发现前辈多...
asp.net（C#）数据采集类
diehe5608的博客
04-15 112
using System; using System.Data; using System.Collections; using System.Collections.Generic; using System.Configuration; using System.Web; using MSXML2; //添加引用 COM - Microsoft XML V3.0-V6....
asp采集程序原理
weixin_30919429的博客
02-01 133
采集程序的主要步骤如下： 一、获取被采集的页面的内容 二、从获取代码中提取所有用的数据 一、获取被采集的页面的内容 我目前所掌握的ASP常用获取被采集的页面的内容方法： 1、用serverXMLHTTP组件获取数据 以下内容为程序代码: Function GetBody(weburl) '创建对象 Dim ObjXMLHTTP Set Ob...
Asp.net 数据采集
~~~徐长伟~~~
03-06 703
using System;using System.Data;using System.Configuration;using System.Web;using System.Web.Security;using System.Web.UI;using System.Web.UI.WebControls;using System.Web.UI.WebControls.WebParts;usin
asp.net 页面基类
原野
03-22 2159
包括存全局变量、权限判断等基本功能 /**//// /// 页面基类/// public class PageBase:System.Web.UI.Page...{    public PageBase()    ...{    }    private Globals siteGlobals=new Globals();    protected virtual void Page_
Asp.Net 文件操作基类：实现文件读取、删除、批量拷贝、写入、获取文件夹大小和文件属性
Asp.Net 文件操作基类详解 Asp.Net 文件操作基类是指在 Asp.Net 中对文件进行操作的基类，包括读取、删除、批量拷贝、删除、写入、获取文件夹大小、文件属性、遍历目录等多种文件操作。下面我们将详细介绍这个基类...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值