天天看点

数据采集基类[转]

数据采集基类[转]

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);

    #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

    /// <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;

    #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

         *          string url = @"http://www.baidu.com/img/logo.gif";

         *          string s = o.GetFileExtends(url);

    /// 取得文件后缀

    /// <param name="filename">文件名称</param>

    public string GetFileExtends(string filename)

        string ext = null;

        if (filename.IndexOf('.') > 0)

        {

            string[] fs = filename.Split('.');

            ext = fs[fs.Length - 1];

        }

        return ext;

    #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

         *          string url = @"http://www.baidu.com/";

         *          string s = o.GetRemoteHtmlCode(url);

    /// 获取远程文件源代码

    /// <param name="url">远程url</param>

    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);

    #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

         *          string s = "";

         *          string path =Server.MapPath("Html/");

         *          s = o.RemoteSave(url,path);

         *          o.Dispose();         

         * ******************************/

    /// 保存远程文件

    /// <param name="Url">远程url</param>

    /// <param name="Path">保存到的路径</param>

    public string RemoteSave(string Url, string Path)

        Random ra = new Random();

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

        string StringFilePath = Path + StringFileName;

            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;

    #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

         *          string Url = @"http://www.baidu.com/";

         *          strion HtmlCode = o.GetRemoteHtmlCode(Url);

         *          string s = o.ReplaceEnter(HtmlCode);

    /// 替换网页中的换行和引号

    /// <param name="HtmlCode">HTML源代码</param>

    public string ReplaceEnter(string HtmlCode)

        if (HtmlCode == null || HtmlCode == "")

            s = "";

            s = HtmlCode.Replace("\"", "");

        s = s.Replace("\r\n", "");

    #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

         *          string Reg="<title>.+?</title>";

         *          string GetValue=o.GetRegValue(Reg,HtmlCode)

         *          Response.Write(GetValue);

    /// 执行正则提取出值

    /// <param name="RegexString">正则表达式</param>

    /// <param name="RemoteStr">HtmlCode源代码</param>

    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;

    #region 替换HTML源代码

         * 函数名称:RemoveHTML

         * 功能说明:替换HTML源代码

    /// 替换HTML源代码

    /// <param name="HtmlCode">html源代码</param>

    public string RemoveHTML(string HtmlCode)

        string MatchVale = HtmlCode;

        foreach (Match s in Regex.Matches(HtmlCode, "<.+?>"))

            MatchVale = MatchVale.Replace(s.Value, "");

    #region 匹配页面的链接

         * 函数名称:GetHref

         * 功能说明:匹配页面的链接

         *          string s = o.GetHref(HtmlCode);

    /// 获取页面的链接正则

    /// <param name="HtmlCode"></param>

    public string GetHref(string HtmlCode)

        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() + "||";

    #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

         *          string s = o.GetImgSrc(HtmlCode,"http://www.baidu.com/");

    /// 匹配页面的图片地址

    /// <param name="imgHttp">要补充的http://路径信息</param>

    public string GetImgSrc(string HtmlCode, string imgHttp)

        string Reg = @"<img.+?>";

            MatchVale += GetImg((m.Value).ToLower().Trim(), imgHttp) + "||";

    /// 匹配<img src="" />中的图片路径实际链接

    /// <param name="ImgString"><img src="" />字符串</param>

    public string GetImg(string ImgString, string imgHttp)

        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);

    #region 替换通过正则获取字符串所带的正则首尾匹配字符串

         *          string s = o.RegReplace(HtmlCode,"<title>","</title>");

    /// 替换通过正则获取字符串所带的正则首尾匹配字符串

    /// <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>

    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, "");

}

作者:水木