浅谈自动采集程序及入库

王朝other·作者佚名 2006-11-24

最近网上流行着一些采集程序,更多人拿着这些东西在网上叫卖,很多不太懂的人看着那些程序眼羡,其实如果你懂一些ASP,了解自动采集程序的原理后,你会感觉实现自动化也是那么的简单.

原理及优点:通过XML中的XMLHTTP组件调用其它网站上的网页，然后批量截取或替换原有的信息使其转化成变量后再一一储存到数据库中。其主要的优点便是无需再手工添加大量的信息了，可以指定对某一个站信息的截取进行批量录入，达到省时省力的目的。与其单纯的ASP小偷程序不同的是:它已经不再依赖其目标网站。

简单事例:

1<%

2'声明取得目标信息的函数,通过XML组件进行实现。

3Function GetURL(url)

4Set Retrieval = CreateObject("Microsoft.XMLHTTP")

5With Retrieval

6.Open "GET", url, False

7.Send

8GetURL = bytes2bstr(.responsebody)

9'对取得信息进行验证，如果信息长度小于100则说明截取失败

10if len(.responsebody)<100 then

11response.write "获取远程文件 <a href="&url&" target=_blank>"&url&"</a> 失败。"

12response.end

13end if

15End With

16Set Retrieval = Nothing

17End Function

18' 二进制转字符串，否则会出现乱码的！

19function bytes2bstr(vin)

20strreturn = ""

21for i = 1 to lenb(vin)

22thischarcode = ascb(midb(vin,i,1))

23if thischarcode < &h80 then

24strreturn = strreturn & chr(thischarcode)

25else

26nextcharcode = ascb(midb(vin,i+1,1))

27strreturn = strreturn & chr(clng(thischarcode) * &h100 + cint(nextcharcode))

28i = i + 1

29end if

30next

31bytes2bstr = strreturn

32end function

33'声明截取的格式，从Start开始截取，到Last为结束

34Function GetKey(HTML,Start,Last)

35filearray=split(HTML,Start)

36filearray2=split(filearray(1),Last)

37GetKey=filearray2(0)

38End Function

40Dim Softid,Url,Html,Title

42'获取要取页面的ID

44SoftId=Request("Id")

46Url="http://www3.skycn.com/soft/"&SoftId&".html"

48Html = GetURL(Url)

50'以截取天空软件的软件名为例子

52Title = GetKey(Html,"<font color='#004FC6' size='3'>","</font></b></td></tr>")

54'打开数据库,准备入库

56dim connstr,conn,rs,sql

58connstr="DBQ="+server.mappath("db1.mdb")+";DefaultDir=;DRIVER={Microsoft Access Driver (*.mdb)};"

60set conn=server.createobject("ADODB.CONNECTION")

62conn.open connstr

64set rs=server.createobject("adodb.recordset")

66sql="select [列名] from [表名] where [列名]='"&Title&"'"

68rs.open sql,conn,3,3

70if rs.eof and rs.bof then

72rs("列名")=Title

74rs.update

76set rs=nothing

78end if

80set rs=nothing

82Response.Write"采集完毕!"

84%>