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;
/// <summary>
/// ASP.NET數據採集封裝注意：記得添加引用 Interop.MSXML2.dll 不然msxml2命名空間用不了 COM組件Interop.MSXML2.dll則COM的引用列表中的Microsoft.xml v3.0
/// </summary>
public class Search
{
public Search()
{
//
// TODO: 在此處添加構造函數邏輯
//
}
public void Dispose()
{
GC.SuppressFinalize(this);
}
#region 日期隨機函數
/**********************************
* 函數名稱:DateRndName
* 功能說明:日期隨機函數
* 參 數:ra:隨機數
* 調用示例:
* GetRemoteObj o = new GetRemoteObj();
* Random ra = new Random();
* string s = o.DateRndName(ra);
* Response.Write(s);
* o.Dispose();
* ********************************/
/// <summary>
/// 日期隨機函數
/// </summary>
/// <param name="ra">隨機數</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 取得文件後綴
/**********************************
* 函數名稱:GetFileExtends
* 功能說明:取得文件後綴
* 參 數:filename:文件名稱
* 調用示例:
* GetRemoteObj o = new GetRemoteObj();
* string url = @"http://www.baidu.com/img/logo.gif";
* string s = o.GetFileExtends(url);
* Response.Write(s);
* o.Dispose();
* ********************************/
/// <summary>
/// 取得文件後綴
/// </summary>
/// <param name="filename">文件名稱</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 獲取遠程文件源代碼
/**********************************
* 函數名稱:GetRemoteHtmlCode
* 功能說明:獲取遠程文件源代碼
* 參 數:Url:遠程url
* 調用示例:
* GetRemoteObj o = new GetRemoteObj();
* string url = @"http://www.baidu.com/";
* string s = o.GetRemoteHtmlCode(url);
* Response.Write(s);
* o.Dispose();
* ********************************/
/// <summary>
/// 獲取遠程文件源代碼
/// </summary>
/// <param name="url">遠程url</param>
/// <returns></returns>
public string GetRemoteHtmlCode(string Url)
{
string s = "";
try
{
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);
}
}
catch (Exception ex)
{
s = ex.Message+"指定的地址不存在或地址錯誤";
}
return s;
}
#endregion
#region 保存遠程文件
/**********************************
* 函數名稱：RemoteSave
* 功能說明：保存遠程文件
* 參 數：Url:遠程url;Path:保存到的路徑
* 調用示例:
* 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>
/// 保存遠程文件
/// </summary>
/// <param name="Url">遠程url</param>
/// <param name="Path">保存到的路徑</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 替換網頁中的換行和引號
/**********************************
* 函數名稱:ReplaceEnter
* 功能說明:替換網頁中的換行和引號
* 參 數:HtmlCode:html源代碼
* 調用示例:
* 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>
/// 替換網頁中的換行和引號
/// </summary>
/// <param name="HtmlCode">HTML源代碼</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 執行正則提取出值
/**********************************
* 函數名稱:GetRegValue
* 功能說明:執行正則提取出值
* 參 數:HtmlCode:html源代碼
* 調用示例:
* 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>
/// 執行正則提取出值
/// </summary>
/// <param name="RegexString">正則表達式</param>
/// <param name="RemoteStr">HtmlCode源代碼</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 替換HTML源代碼
/**********************************
* 函數名稱:RemoveHTML
* 功能說明:替換HTML源代碼
* 參 數:HtmlCode:html源代碼
* 調用示例:
* 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>
/// 替換HTML源代碼
/// </summary>
/// <param name="HtmlCode">html源代碼</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 匹配頁面的連接
/**********************************
* 函數名稱:GetHref
* 功能說明:匹配頁面的連接
* 參 數:HtmlCode:html源代碼
* 調用示例:
* 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>
/// 獲取頁面的連接正則
/// </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 匹配頁面的圖片地址
/**********************************
* 函數名稱:GetImgSrc
* 功能說明:匹配頁面的圖片地址
* 參 數:HtmlCode:html源代碼;imgHttp:要補充的http.當好比:<img src="bb/x.gif">則要補充http://www.baidu.com/,當包含http信息時,則能夠爲空
* 調用示例:
* 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>
/// 匹配頁面的圖片地址
/// </summary>
/// <param name="HtmlCode"></param>
/// <param name="imgHttp">要補充的http://路徑信息</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="" />中的圖片路徑實際連接
/// </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 替換經過正則獲取字符串所帶的正則首尾匹配字符串
/**********************************
* 函數名稱:GetHref
* 功能說明:匹配頁面的連接
* 參 數:HtmlCode:html源代碼
* 調用示例:
* 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>
/// 替換經過正則獲取字符串所帶的正則首尾匹配字符串
/// </summary>
/// <param name="RegValue">要替換的值</param>
/// <param name="regStart">正則匹配的首字符串</param>
/// <param name="regEnd">正則匹配的尾字符串</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;
}
/********************************** 如下爲測試過的,在魏言項目裏使用的採集方法.按方法順序調用既可採集
* 函數名稱:SniffwebCode
* 功能說明:得到頁面HTML代碼中開始標記和結束標記中間的數據:測試可用
* 參 數:HTML源代碼 ,開始標記,結束標記
* 調用示例:
*string url = @"http://sohe.inhe.net/Search/SearchingGuild.aspx";
*string s = o.GetRemoteHtmlCode(url);//得到網站源碼
*s=this.SniffwebCode(s,this.TextBox2.Text,this.TextBox3.Text);//得到指定HTML開始標記和結束標記中間的數據
* ********************************/
/// <summary>
/// 得到HTML代碼開始標記和結束標記中間的數據
/// </summary>
/// <param name="code">HTML代碼</param>
/// <param name="wordsBegin">開始標記</param>
/// <param name="wordsEnd">結束標記</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;
}
/*** 調用例子 得到指定Html代碼中全部超級鏈接的標題和鏈接地址:測試有效 反回DataTable列說明:title 文字 url 地址
* string url = @"http://sohe.inhe.net/Search/SearchingGuild.aspx";
* string HtmlAllCode = o.GetRemoteHtmlCode(url);//得到網站全部源碼
* HtmlAllCode = o.SniffwebCode(HtmlAllCode, this.TextBox2.Text, this.TextBox3.Text);//根據開始標記和結束標記得到中間的數據
* DataTable table = o.GetCodeHref(HtmlAllCode);//得到指定Html全部超級鏈接的標題和鏈接地址返回一個DataTable表
* foreach(DataRow row in table.Rows)//循環表輸出標題和鏈接
* {
* Response.Write(row["title"]+"<br>");
* Response.Write(row["url"] + "<br>");
* }
*/
/// <summary>
/// 得到指定Html代碼中全部超級鏈接的標題和鏈接地址:測試有效 反回DataTable列說明:title 文字 url 地址
/// </summary>
/// <param name="HtmlCode">須要匹配出超級鏈接的HTML代碼</param>
/// <returns></returns>
public DataTable GetCodeHref(string HtmlCode)
{
//匹配指定HTML代碼中全部的超級鏈接中的href 和超鏈接文字內容的正則 有時候須要根據實際狀況作小調整若是標題中間有<B>文字</B>的話
string regex = @"\<a.*href\s*=\s*(?:""(?<url>[^""]*)""|'(?<url>[^']*)'|(?<url>[^\>^\s]+)).*\>(?<title>[^\<^\>]*)\<[^\</a\>]*/a\>";
Regex reg1 = new Regex(regex, RegexOptions.IgnoreCase);//建立正則表達式對象
MatchCollection ms1 = reg1.Matches(HtmlCode);//根據正則表達式匹配出全部匹配項返匹配集合
DataTable table = new DataTable();//建立存儲標題和鏈接的內存表
table.Columns.Add("title");//標題文字列
table.Columns.Add("url");//鏈接字符串
foreach (Match m1 in ms1)//迭代集合得到每一個匹配項
{
DataRow row = table.NewRow();//建立一行
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
} html
數據採集Interop.MSXML2.dll引用
相關文章
- 1. 【Flume】數據採集引擎Flume
- 2. Sqoop Flume 數據採集引擎
- 3. 數據採集
- 4. 【數據採集】VBA數據採集可用 COM 組件
- 5. 大數據採集
- 6. flume 數據採集
- 7. 【flume】數據採集
- 8. nmon數據採集
- 9. Hass數據採集
- 10. prometheus數據採集
- 更多相關文章...
- • ASP 引用文件 - ASP 教程
- • Swift 自動引用計數（ARC） - Swift 教程
- • Flink 數據傳輸及反壓詳解
- • TiDB 在摩拜單車在線數據業務的應用和實踐
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 【Flume】數據採集引擎Flume
- 2. Sqoop Flume 數據採集引擎
- 3. 數據採集
- 4. 【數據採集】VBA數據採集可用 COM 組件
- 5. 大數據採集
- 6. flume 數據採集
- 7. 【flume】數據採集
- 8. nmon數據採集
- 9. Hass數據採集
- 10. prometheus數據採集