文档章节

asp.net(C#)数据采集类

深圳大道
 深圳大道
发布于 2016/12/29 15:38
字数 1137
阅读 3
收藏 0
using System; 
using System.Data;
using System.Collections;
using System.Collections.Generic;
using System.Configuration; 
using System.Web; 
using MSXML2; //添加引用 COM - Microsoft XML V3.0-V6.0
using System.Text.RegularExpressions;

namespace EC
{
    /// <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 取得文件后缀
        /// <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.XMLHTTP();
            _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 = DateTime.Now.ToString("yyyyMMddHHmmssffff") + "." + GetFileExtends(Url);
            string StringFilePath = Path + StringFileName;
            MSXML2.XMLHTTP _xmlhttp = new MSXML2.XMLHTTP();
            _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
        /// <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 替换HTML标签
        /// <summary> 
        /// 替换HTML标签 
        /// </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
        /// <summary> 
        /// 获取页面的链接正则 
        /// </summary> 
        /// <param name="HtmlCode"></param> 
        /// <returns></returns> 
        public List<string> GetHref(string HtmlCode)
        {
            List<string> list = new List<string>();
            string Reg = @"(h|H)(r|R)(e|E)(f|F) *= *('|"")?((\w|\\|\/|\.|:|-|_)+)('|""| *|>)?";
            foreach (Match m in Regex.Matches(HtmlCode, Reg))
            {
                list.Add((m.Value).ToLower().Replace("href=", "").Trim());
            }
            return list;
        }
        #endregion

        #region 匹配页面的图片地址
        /// <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 获得指定Html代码中所有超级连接的标题和连接地址
        /// <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Dictionary   key-标题  value-地址 
        /// </summary> 
        /// <param name="HtmlCode">需要匹配出超级连接的HTML代码</param> 
        /// <returns></returns> 
        public Dictionary<string, string> GetCodeHref(string HtmlCode)
        {
            Dictionary<string, string> dic = new Dictionary<string, string>();
            //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 
            foreach (Match m1 in ms1)//迭代集合获得每个匹配项 
            {
                dic.Add(m1.Groups["title"].Value, m1.Groups["url"].Value);
            }
            return dic;
        }
        #endregion

        #region 正则获得字符串中开始和结束字符串之间的值
        /// <summary>
        /// 正则获得字符串中开始和结束字符串之间的值
        /// </summary>
        /// <param name="str">字符串</param>
        /// <param name="s">开始</param>
        /// <param name="e">结束</param>
        /// <returns></returns> 
        public string GetRegValue(string str, string s, string e)
        {
            Regex rg = new Regex("(?<=(" + s + "))[.\\s\\S]*?(?=(" + e + "))", RegexOptions.Multiline | RegexOptions.Singleline);
            return rg.Match(str).Value;
        }

        /// <summary>
        /// 正则获得字符串中开始和结束字符串之间的值
        /// </summary>
        /// <param name="str">字符串</param>
        /// <param name="s">开始</param>
        /// <param name="e">结束</param>
        /// <returns></returns>
        public List<string> GetRegValueArr(string str, string s, string e)
        {
            Match m;
            List<string> list = new List<string>();
            Regex rg = new Regex("(?<=(" + s + "))[.\\s\\S]*?(?=(" + e + "))", RegexOptions.Multiline | RegexOptions.Singleline);
            for (m = rg.Match(str); m.Success; m = m.NextMatch())
            {
                list.Add(m.Groups[0].Value);
            }
            return list;
        }
        #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
        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
    }
}

本文转载自:http://blog.csdn.net/smartsmile2012/article/details/8802549

深圳大道
粉丝 3
博文 877
码字总数 0
作品 0
深圳
架构师
私信 提问
周公51CTO博客有价值文章整理

说明:为方便朋友们查看本博客的文章,特地整理了本博客中周公认为值得一看的文章,不过有些文章因为年代久远且技术更新快的原因,里面所讲述的方法或者理论不再适合,请大家斟酌。 asp.net ...

周金桥
2018/06/29
0
0
ASP.net与JavaEE语法、内置对象的对比

1 各自的HelloWord版本 1.1 ASP <% Response.Write("hello asp") %> 文件名为test.asp。 1.2 ASP.net <%@ page Language="C#" %> <% Response.Write("hello asp.net"); %> 文件名为test.aspx......

流浪的狗
2017/12/24
0
0
ASP.NET 3.5 企业级开发

议题 .NET Framework 3.5 和Visual Studio 2008 C# 面向对象程序设计 ASP.NET 状态管理和页面传值 ASP.NET 中的错误处理 ADO.NET与数据访问 架构与模式 安全与性能 优秀的团队开发管理功能 ...

晨曦之光
2012/03/09
107
0
ASP.NET Core 入门教程 9、ASP.NET Core 中间件(Middleware)入门

一、前言 1、本教程主要内容 ASP.NET Core 中间件介绍 通过自定义 ASP.NET Core 中间件实现请求验签 2、本教程环境信息 软件/环境 说明 操作系统 Windows 10 SDK 2.1.401 ASP.NET Core 2.1....

ken的杂谈
03/29
0
0
.Asp.Net 2.0 学习历程 菜鸟到中级程序员的飞跃

如果你是一个菜鸟或者自认为初学者那么本文非常适合你; 不能说这30本书就是最佳组合,但是可以说这个组合不差; 本人曾博览群书,很多书重复,很多书讲的不适用,这些书都是目前书店可以买到...

布雷泽
2011/03/13
0
0

没有更多内容

加载失败,请刷新页面

加载更多

教你玩转Linux—添加批量用户

添加和删除用户对每位Linux系统管理员都是轻而易举的事,比较棘手的是如果要添加几十个、上百个甚至上千个用户时,我们不太可能还使用useradd一个一个地添加,必然要找一种简便的创建大量用户...

xiangyunyan
32分钟前
6
0
返回提示信息,如:xxx创建成功!

【服务端】在输出的方法块中,加入要输出的字段(qcm_batch_id) QCMUserType.cs: public struct QCM_Custom_Create_Batch_Out_Tag { public BASCoreType.Cmn_Out_T......

_Somuns
32分钟前
6
0
Aliyun Serverless VSCode Extension v1.12.0 发布

Aliyun Serverless VSCode Extension 是阿里云 Serverless 产品 函数计算 Function Compute 的 VSCode 插件,该插件结合了函数计算 Fun 工具以及函数计算 SDK ,是一款 VSCode 图形化开发调试...

阿里云官方博客
33分钟前
6
0
程序员如何培养解决复杂问题的能力?

今天在上网时候,突然看到了这篇文章,感觉非常的适合现在的自己去思考下,可能也适用在座的读者。程序员不仅仅是敲代码,更是一个复合能力的结合体,也不仅仅停留在技术和代码阶段。你想要成...

哥本哈根的小哥
36分钟前
8
0
市场变化驱动产品思维升级

宜信科技中心财富管理产品部负责人Bob,与大家一起聊聊个性化推荐产品功能的设计和B端产品的功能策划方式。 拓展阅读:回归架构本质,重新理解微服务 智慧金融时代,大数据和AI如何为业务赋能...

宜信技术学院
37分钟前
8
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部