C#编程之asp.net（C#）数据采集类

using System; 
using System.Data;
using System.Collections;
using System.Collections.Generic;
using System.Configuration;
using System.Web;
using MSXML2; 
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 取得文件后缀

        /// 


        /// 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.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();          

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

        /// 


        /// 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 = 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

        /// 


        /// 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 替换HTML标签

        /// 


        /// 替换HTML标签

        /// 

        /// 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

        /// 


        /// 获取页面的链接正则

        /// 

        /// 

        /// 

        public List GetHref(string HtmlCode)

        {

            List list = new List();

            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

        /// 


        /// 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 获得指定Html代码中所有超级连接的标题和连接地址

        /// 


        /// 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

        /// 

        /// 需要匹配出超级连接的HTML代码

        /// 

        public Dictionary GetCodeHref(string HtmlCode)

        {

            Dictionary dic = new Dictionary();

            //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文字的话

            string regex = @"\[^""]*)""|'(?[^']*)'|(?[^\>^\s]+)).*\>(?