web页面信息采集

 

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  askyes
{
     /**/ ///  

     ///  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;
        }
        

         // 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;
        }
        

        //  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;
        }

        

        //  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  
            {

            }
             return  newfilename;
        }
        

         // 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;
        }

                       

         // 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;
        }
                
//
       //   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;        
        }

        

        //  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;         
        }
        

        //  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);
        }

        

        //  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;
        } 

}

}

转载于:https://www.cnblogs.com/askyes/articles/944496.html