• asp.net数据采集基类


    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 

  • 相关阅读:
    第一章 数据库概论
    规范化
    qt mysql驱动问题解绝
    linux文件系统软链接硬链接
    linux命令总结
    shell应用技巧
    如何使滚动条保持在页面底部
    地图定位问题汇总
    webpack基本用法
    git异常操作解决办法合集
  • 原文地址:https://www.cnblogs.com/smartsmile/p/6234329.html
Copyright © 2020-2023  润新知