数据采集程序(网页小偷)点滴心得
来源:互联网 发布:mac彩妆是几线品牌 编辑:程序博客网 时间:2024/05/22 20:01
所谓的数据采集程序也就是网页小偷程序(大家别骂我哦),写完了来这里发点东西,希望大家有何高见共同研究.
1.在下载数据的开始,有些网站是要登录了才能看到相应的数据,这个就需要我们发送登录用户名和密码了,但我是登录了,但他服务器也不是垃圾,在他那里重定向了,共产生了2个SESSION,这第2个SESSION我就不知道如何捕抓.于是我就投机^-^,用软件将SESSION捕抓下来了1个叫Ethereal的软件,用以下代码加入到HTTP请求的头部
WebClient myWebClient = new WebClient();
string sessionkey=textBox78.Text;
string refererurl=textBox77.Text;
myWebClient.Headers.Clear();
myWebClient.Headers.Add("Cookie",sessionkey);
myWebClient.Headers.Add("Referer", refererurl);
myWebClient.Headers.Add("User-agent", "Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.5) Gecko/20031107 Debian/1.5-3");
这样就欺骗了服务器了,哈哈
2.第二部就是代码下载
byte[] myDataBuffer = myWebClient.DownloadData(remoteUri);
download = Encoding.Default.GetString(myDataBuffer);
3.第3部就是数据的匹配了,我是将流读取到数据里,然后用IndexOf得到2个关键字段的位置,然后用Substring取出来的,我知道这很笨,但用正则表达式难啊(谁会的指点我下),匹配完了得到的字符串我就用以下的函数去掉了HTML代码:
private string StripHTML(string strHtml)
{
string [] aryReg ={
@"<script[^>]*?>.*?</script>",
@"<(///s*)?!?((/w+:)?/w+)(/w+(/s*=?/s*(([""'])(//[""'tbnr]|[^/7])*?/7|/w+)|.{0})|/s)*?(///s*)?>",
@"([/r/n])[/s]+",
@"&(quot|#34);",
@"&(amp|#38);",
@"&(lt|#60);",
@"&(gt|#62);",
@"&(nbsp|#160);",
@"&(iexcl|#161);",
@"&(cent|#162);",
@"&(pound|#163);",
@"&(copy|#169);",
@"&#(/d+);",
@"-->",
@"<!--.*/n"
};
string [] aryRep = {
"",
"",
"",
"/"",
"&",
"<",
">",
" ",
"/xa1",//chr(161),
"/xa2",//chr(162),
"/xa3",//chr(163),
"/xa9",//chr(169),
"",
"/r/n",
""
};
string newReg =aryReg[0];
string strOutput=strHtml;
for(int i = 0;i<aryReg.Length;i++)
{
Regex regex = new Regex(aryReg[i],RegexOptions.IgnoreCase );
strOutput = regex.Replace(strOutput,aryRep[i]);
}
strOutput.Replace("<","");
strOutput.Replace(">","");
strOutput.Replace("/r/n","");
return strOutput;
}
4.到了后面就是入库了,这个大家都懂了吧.但是我还有点问题就是,在我写数据的时候,出了EXCEPTION,说我的字段太长了,不能写进到数据库,我用的是ACCESS,我试验下用SQL吧.
5.大家有什么好的建议给我留个言赛.共同进步嘛.
- 数据采集程序(网页小偷)点滴心得
- 数据采集程序(网页小偷)点滴心得
- 数据采集程序(网页小偷)点滴心得
- .net数据采集程序(网页小偷)点滴心得
- 数据采集程序(网页小偷)
- 小偷程序和采集入库
- 采集/小偷程序核心功能
- PHP内容采集器(PHP小偷程序)
- 天气小偷程序,自动采集信息入库
- 小偷程序和采集程序有何区别
- ASP.Net、C#实现网页小偷程序
- ASP.Net、C#实现网页小偷程序
- ASP.Net、C#实现网页小偷程序
- 网页数据采集系统
- 网页数据采集
- 网页数据采集实现
- 网页特定数据采集
- 网页数据采集难点
- 如何用TComboBox模拟TColorBox
- 去除xml标签,抽取文本内容
- Video4linux 中文解析
- dwr的使用
- Product Manager's handbook读书笔记(三)
- 数据采集程序(网页小偷)点滴心得
- java 调用存储过程总结
- 指定DropDownList使用的数据源
- 用Fat Jar Eclipse Plug-In Tutorial来进行程序打包
- hibernate主键生成
- 使用ultraedit和cl编译器打造简易c/c++开发环境
- MapXtreme+C#添加标注
- c#写excel文件 小结
- native2ascii,把properties文件的中文转为/uDDDD格式的方法