`
pcajax
  • 浏览: 2096606 次
  • 性别: Icon_minigender_1
  • 来自: 上海
社区版块
存档分类
最新评论

数据采集基类[转]

阅读更多
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(100999).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, falsenullnull);
        _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, falsenullnull);
        _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


}
分享到:
评论

相关推荐

Global site tag (gtag.js) - Google Analytics