博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
C#数据采集类
阅读量:6147 次
发布时间:2019-06-21

本文共 11288 字,大约阅读时间需要 37 分钟。

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; using System.Text.RegularExpressions; namespace EC {
/// /// 远程文件抓取类 /// 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(); * ********************************/ /// /// 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(100, 999).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(); * ********************************/ /// /// 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 #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 #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 StringFileName = DateRndName(ra) + "." + GetFileExtends(Url); string StringFilePath = Path + StringFileName; 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(); } 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(); * ********************************/ /// /// 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\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=".+?"; * 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 #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=".+?"; * 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 #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(); * ********************************/ /// /// 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|\\|\/|\.|:|-|_)+)('|""| *|>)?"; 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: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(); * ********************************/ /// /// 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, 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=",""); } 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,"
",""); * 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 } }

 

转载于:https://www.cnblogs.com/daretodream/archive/2012/02/29/2372829.html

你可能感兴趣的文章
python抓取新浪首页的小例子
查看>>
对象内存布局 (4)
查看>>
嵌入式开发之gb281818
查看>>
SystemTap 内核调试
查看>>
Python上下文管理器
查看>>
关于VS2010 C#使用DirectX的问题[英]
查看>>
C++字符串转化为数字的库函数
查看>>
了解HTML表单之input元素的23种type类型
查看>>
Spring系列之IOC容器
查看>>
iOS-生成国际化包-配置App多语言支持
查看>>
《C++ Primer Plus》14.3 多重继承 学习笔记
查看>>
升讯威微信营销系统开发实践:订阅号和服务号深入分析( 完整开源于 Github)...
查看>>
五笔字根--good
查看>>
[源代码] SailingEase .NET Resources Tool (.NET 多语言资源编辑器)
查看>>
py-faster-rcnn在windows下安装
查看>>
使用百度字体编辑器删除不必要字体,减少字体文件体积
查看>>
Oracle 数据库和Sql Server数据库的区别
查看>>
vbox安装ubuntu之后挂载共享文件夹无权限访问的问题以及改了主机名,导致命令行不能解析主机名的问题...
查看>>
知名网络安全公司
查看>>
一键部署启动MySQL数据库服务器
查看>>