asp.net采集函数

最新推荐文章于 2024-11-02 11:12:54 发布
紫气东来_999
最新推荐文章于 2024-11-02 11:12:54 发布
阅读量1k
点赞数
分类专栏： asp/asp.net 文章标签： asp.net url html null 正则表达式 byte
asp/asp.net 专栏收录该内容
26 篇文章 0 订阅
订阅专栏
 
 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; 
using System.Text.RegularExpressions; 
namespace EC 
{ 
    ///  
    /// 远程文件抓取类  
    ///  
    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(); 
         * ********************************/ 
        ///  
        /// 日期随机函数  
        ///  
        /// 随机数  
        ///  
        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(); 
         * ********************************/ 
        ///  
        /// 取得文件后缀  
        ///  
        /// 文件名称  
        ///  
        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(); 
         * ********************************/ 
        ///  
        /// 获取远程文件源代码  
        ///  
        /// 远程url  
        ///  
        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();          
         * ******************************/ 
        ///  
        /// 保存远程文件  
        ///  
        /// 远程url  
        /// 保存到的路径  
        ///  
        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(); 
         * ********************************/ 
        ///  
        /// 替换网页中的换行和引号  
        ///  
        /// HTML源代码  
        ///  
        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=""; 
         *          string GetValue=o.GetRegValue(Reg,HtmlCode) 
         *          Response.Write(GetValue); 
         *          o.Dispose(); 
         * ********************************/ 
        ///  
        /// 执行正则提取出值  
        ///  
        /// 正则表达式  
        /// HtmlCode源代码  
        ///  
        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=""; 
         *          string GetValue=o.GetRegValue(Reg,HtmlCode) 
         *          Response.Write(GetValue); 
         *          o.Dispose(); 
         * ********************************/ 
        ///  
        /// 替换HTML源代码  
        ///  
        /// html源代码  
        ///  
        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(); 
         * ********************************/ 
        ///  
        /// 获取页面的链接正则  
        ///  
        ///  
        ///  
        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: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(); 
         * ********************************/ 
        ///  
        /// 匹配页面的图片地址  
        ///  
        ///  
        /// 要补充的http://路径信息  
        ///  
        public string GetImgSrc(string HtmlCode, string imgHttp) 
        { 
            string MatchVale = ""; 
            string Reg = @""; 
            foreach (Match m in Regex.Matches(HtmlCode, Reg)) 
            { 
                MatchVale += GetImg((m.Value).ToLower().Trim(), imgHttp) + "||"; 
            } 
            return MatchVale; 
        } 
        ///  
        /// 匹配中的图片路径实际链接  
        ///  
        /// 字符串  
        ///  
        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,""); 
         *          Response.Write(s); 
         *          o.Dispose(); 
         * ********************************/ 
        ///  
        /// 替换通过正则获取字符串所带的正则首尾匹配字符串  
        ///  
        /// 要替换的值  
        /// 正则匹配的首字符串  
        /// 正则匹配的尾字符串  
        ///  
        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  
    } 
} 
记得添加引用 Interop.MSXML2.dll 否则msxml2命名空间用不了
 