ASP.NET(C#)经典采集代码

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 System.Drawing;


using MSXML2;


using System.Text.RegularExpressions;


namespace wenweifeng






{




/**////


/// CaiJi 的摘要说明


///


public class CaiJi






{


public CaiJi()






{


//


// TODO: 在此处添加构造函数逻辑


//


        }


~CaiJi()






{


            Dispose();


        }


public void Dispose()






{


         GC.SuppressFinalize(this);


        }






日期随机函数#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(1000000, 9999999).ToString();


return s;


        }


#endregion






取得文件后缀#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






获取远程文件源代码#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






保存远程文件#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 newfilename = string.Empty;


string StringFileName = DateRndName(ra) + "." + GetFileExtends(Url);


if (GetFileExtends(Url).Trim().ToLower() != "jpg")


                newfilename = StringFileName;


else


                newfilename = DateRndName(ra) + "Addpic." + GetFileExtends(Url);


string StringFilePath = Path + StringFileName;


string newfilepath = Path + newfilename;


string retname = string.Empty;


try






{


                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();


if (GetFileExtends(Url).Trim().ToLower() == "jpg")






{


                        function myfunction = new function();


//myfunction.AddShuiYinWord(StringFilePath, newfilepath);


                        service myserver=new service();


                        myfunction.AddShuiYinPic(StringFilePath, newfilepath, HttpContext.Current.Server.MapPath(myserver.myweblogo));


                    }




                }


else


throw new Exception(_xmlhttp.statusText);


            }


catch (Exception ex)






{




            }


return newfilename;


        }


#endregion






替换网页中的换行和引号#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";


         *          string 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", "");


            s = s.Replace("/n", "");


return s;


        }




#endregion






执行正则提取出值#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";


         *          string 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






替换HTML源代码#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";


         *          string 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






匹配页面的链接#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";


         *          string 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|//|//|/.|:|-|_)+)[/S]*";  


foreach(Match m in Regex.Matches(HtmlCode,Reg))






{


                MatchVale += (m.Value).ToLower().Replace("href=", "").Trim() + "|";


            }


return MatchVale;         


        }


#endregion






匹配页面的图片地址#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";


         *          string 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.ToLower(), 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=","");


            }


if (MatchVale.IndexOf(".net") != -1 || MatchVale.IndexOf(".com") != -1 || MatchVale.IndexOf(".org") != -1 || MatchVale.IndexOf(".cn") != -1 || MatchVale.IndexOf(".cc") != -1 || MatchVale.IndexOf(".info") != -1 || MatchVale.IndexOf(".biz") != -1 || MatchVale.IndexOf(".tv") != -1)


return (MatchVale);


else


return (imgHttp+MatchVale);


        }




#endregion






替换通过正则获取字符串所带的正则首尾匹配字符串#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";


         *          string 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












}




}