采集原理---采集技术篇---XMLHTTP


            最近一段时间，采集很热门，从新闻小偷，到音乐小偷，到新闻采集，Flash采集，都有他的踪影，现在还有很多的人对采集都很感兴趣，为了服务大家，我也正在写一套采集程序，名字为 心意采集程序 ，现在我讲一下，采集用到的相关技术。 下面讲到的也不是很高深的XMLHTTP技术，我也是稍稍讲一下,一个采集需要用到的几块内容 如果你需要了解更多的问题,请去www.google.com 搜索 XMLHTTP 技术 你将会得到更多的帮助，如果大家有什么疑问的话，可以在论坛上回贴 下面只讲到如何在网上得到数据，并不涉及到数据处理  第一 XMLHTTP 技术 http://www.0579.info/study/exploitation/net/58685.htm 上面那个地址，那篇文章讲的根本原理已经很详细了，但是我们一般采集的话，刚开始不太需要了解太多。只要实用就可以了，等以后不够用的时候，再去找相关文档也来得急 首先，我们需要建立一个XMLHTTP对象 微软发布的xmlhttp组件已经有很多的版本了，我知道的就有以下几种： "MSXML2.ServerXMLHTTP.4.0" "MSXML2.ServerXMLHTTP.3.0" "MSXML2.ServerXMLHTTP" "MSXML2.XMLHTTP.5.0" "MSXML2.XMLHTTP.4.0" "MSXML2.XMLHTTP.3.0" "MSXML2.XMLHTTP" "Microsoft.XMLHTTP  以上有这么多种组件，我们当然是需要申请最高版本的对象喽，那有什么办法可以实现呢 下面我拿出一段代码，大家可以看看，他是按最高版本申请XMLHTTP对象的 Dim ArrProgId,Prog,Flag，XmlHttpCom ArrProgId = array("MSXML2.ServerXMLHTTP.4.0", "MSXML2.ServerXMLHTTP.3.0", "MSXML2.ServerXMLHTTP", "MSXML2.XMLHTTP.5.0", "MSXML2.XMLHTTP.4.0", "MSXML2.XMLHTTP.3.0", "MSXML2.XMLHTTP","Microsoft.XMLHTTP") For Each Prog In arrProgId If (IsObjInstalled(Prog) = true) Then XmlHttpCom = Prog Exit For End If Next '// <summary> '//　Rem 检查组件是否支持　是返回　True 否返回 False '// </summary> Public Function IsObjInstalled(strClassString) On Error Resume Next '//设置初始化值 IsObjInstalled = False Err = 0 '//测试代码 Dim xTestObj Set xTestObj = Server.createObject(strClassString) If 0 = Err Then IsObjInstalled = True '//清除所申请的对象 Set xTestObj = Nothing Err = 0 End Function  上面那段代码就是申请到当前服务器支持的最高版本的XMLHTTP对象了 下面我们讲一下采集功能函数 'GetFileText为采集功能函数 Public Function GetFileText(url)  on error resume next '有错误时继续执行代码 Dim http '定义变量 'Set http=Server.createobject(XmlHttpCom) '申请对象  Set http=Server.createobject("Microsoft.XMLHTTP") '保险起见，写出一个服务器一般都支持的版本  Http.open "GET",url,False '打开对象 用GET方式 等待服务器响应 Http.Send() '发送 If Http.readystate<>4 Then '如果服务器没反应,则退出函数 Exit Function  End If  GetFileText=bytes2BSTR(Http.responseBody,"GB2312") '把得到的数据流二进制文件 转化成文本字符格式 (GB2312) Set http=Nothing '删除对象 If err.number<>0 Then err.Clear '如果有错误,清除错误 End Function '// <summary> '// 采用 ADODB.Stream　处理采集到的数据，把二进制的文件转成文本字符 '// </summary> Function Bytes2bStr(vin,cSet) Dim BytesStream,StringReturn Set BytesStream = Server.createObject("ADODB.Stream") BytesStream.Type = 2 BytesStream.Open BytesStream.WriteText vin BytesStream.Position = 0 BytesStream.CharSet = cSet BytesStream.Position = 2 StringReturn =BytesStream.ReadText BytesStream.close Set BytesStream = Nothing Bytes2bStr = StringReturn End Function 下面我定义一个 路径变量 URL URL = "http://ent.sina.com.cn/star/mainland/more.html"; 上面是一个网址,如果我们想把上面这个地址采集下来,并显示出来的话，我们可以这样操作 URL = "http://ent.sina.com.cn/star/mainland/more.html"; Response.Write GetFileText(URL) 这样就可以采集到上面网址的内容了 是不是很简单呢 那采集到数据之后应该怎么操作呢 怎么区分数据，如果得到你想要的数据，如果把得到的数据入库呢 这是以后需要分析讲解的问题了 入库要注意的地方，用正表达式处理数据 附上 上面代码的源文件，大家可以下载下去，运行起来试试，是不是真的能采集到数据库