小偷&小偷入库&采集入库

XMLHTTP应用参考 
一、使用步骤： 
1、创建XMLHTTP对象 //需MSXML4.0支持 
2、打开与服务端的连接，同时定义指令发送方式，服务网页(URL)和请求权限等。客户端通过Open命令打开与服务端的服务网页的连接。与普通HTTP指令传送一样，可以用"GET"方法或"POST"方法指向服务端的服务网页。 
3、发送指令。 
4、等待并接收服务端返回的处理结果。 
5、释放XMLHTTP对象

二、XMLHTTP方法： 
1、XMLHTTP对象 
备注：客户机可以使用XMLHTTP对象发送任意的HTTP请求,接受HTTP应答,还可以对应答的XML文档进行解析。

Open方法：初始化一个Msxml2.XMLHTTP请求，指定HTTP请求方式、URL以及鉴定信息。 
Open（ bstrMethod, bstrUrl, varAsync, bstrUser, bstrPassword ） 
bstrMethod： 数据传送方式，即GET或POST。 
bstrUrl：   服务网页的URL。 
varAsync：   是否同步执行。缺省为True，即同步执行，但只能在DOM中实施同步执行。用中一般将其置为False，即异步执行。 
bstrUser：   用户名，可省略。 
bstrPassword：用户口令，可省略。

Send方法：发送HTTP请求到服务器，返回应答。 
语法： 
oXMLHttpRequest.send(varBody) 
说明：此方法是否同步取决于Open方法的varAsync参数。如果设为True则为同步，调用立刻返回，如果设为False调用直到整个应答被接收了才返回。

setRequestHeader（ bstrHeader, bstrvalue ） 
bstrHeader：HTTP 头(header) 
bstrvalue： HTTP 头(header)的值

如果Open方法定义为POST，可以定义表单方式上传： 
xmlhttp.setRequestHeader（ "Content-Type", "application/x-www-form-urlencoded"）

三、XMLHTTP属性： 
onreadystatechange：在同步执行方式下获得返回结果的事件句柄。只能在DOM中调用。 
responseBody：   结果返回为无符号整数数组。 
responseStream：   结果返回为IStream流。 
responseText ：   结果返回为字符串。 
responseXML：   结果返回为XML格式数据。

四、示例： 
< script language="javascript" > 
function getDatal(url){ 
  var xmlhttp = new ActiveXObject("MSXML2.XMLHTTP.4.0";//创建XMLHTTPRequest对象，需MSXML4.0支持 ["MSXML2.XMLHTTP.4.0","MSXML2.DOMDocument.4.0"] 
  xmlhttp.open("GET",url,false,"","";   //使用HTTP GET初始化HTTP请求 
  xmlhttp.send("";             //发送HTTP请求并获取HTTP响应 
  return xmlhttp.responseXML;       //获取XML文档 
} 
< /script >

现在网上流行的小偷程序比较多，有新闻类小偷，音乐小偷，下载小偷，那么它们是如何做的呢，下面我来做个简单介绍，希望对各位站长有所帮助。 
（一）原理 
小偷程序实际上是通过了XML中的XMLHTTP组件调用其它网站上的网页。比如新闻小偷程序，很多都是调用了sina的新闻网页，并且对其中的html进行了一些替换，同时对广告也进行了过滤。用小偷程序的优点有：无须维护网站，因为小偷程序中的数据来自其他网站，它将随着该网站的更新而更新；可以节省服务器资源，一般小偷程序就几个文件，所有网页内容都是来自其他网站。缺点有：不稳定，如果目标网站出错，程序也会出错，而且，如果目标网站进行升级维护，那么小偷程序也要进行相应修改；速度，因为是远程调用，速度和在本地服务器上读取数据比起来，肯定要慢一些。 
（二）事例

下面就XMLHTTP在ASP中的应用做个简单说明

代码: <% 
'常用函数

'1、输入url目标网页地址，返回值getHTTPPage是目标网页的html代码 
function getHTTPPage(url) 
  dim Http 
  set Http=server.createobject("MSXML2.XMLHTTP" 
  Http.open "GET",url,false 
  Http.send() 
  if Http.readystate<>4 then 
    exit function 
  end if 
  getHTTPPage=bytesToBSTR(Http.responseBody,"GB2312" 
  set http=nothing 
  if err.number<>0 then err.Clear 
end function

'2、转换乱玛，直接用xmlhttp调用有中文字符的网页得到的将是乱玛，可以通过adodb.stream组件进行转换 
Function BytesToBstr(body,Cset) 
    dim objstream 
    set objstream = Server.CreateObject("adodb.stream" 
    objstream.Type = 1 
    objstream.Mode =3 
    objstream.Open 
    objstream.Write body 
    objstream.Position = 0 
    objstream.Type = 2 
    objstream.Charset = Cset 
    BytesToBstr = objstream.ReadText 
    objstream.Close 
    set objstream = nothing 
End Function

'下面试着调用http://wmjie.51.net/swords的html内容 
Dim Url,Html 
Url="http://wmjie.51.net/swords/" 
Html = getHTTPPage(Url) 
Response.write Html 
%>

------------------------------------------------------ 
代码: 
'代码]用XMLHTTP读取远程文件

<% 
Response.Buffer = True 
Dim objXMLHTTP, xml 
Set xml = Server.CreateObject("Microsoft.XMLHTTP"

xml.Open "GET", "http://wmjie.51.net/swords/diary.rar", False

xml.Send

' Add a header to give it a file name: 
Response.AddHeader "Content-Disposition", _ 
              "attachment;filename=mitchell-pres.zip"

' Specify the content type to tell the browser what to do: 
Response.ContentType = "application/zip"

' Binarywrite the bytes to the browser 
Response.BinaryWrite xml.responseBody

Set xml = Nothing 
%>

------------------------------------- 
如何写ASP入库小偷程序 
入库小偷的原理也很简单：就是用XMLHTTP远程读取网页的内容，然后根据需要，对读到的内容进行加工（过滤，替换，分类），最后得到自己需要的数据，加入到数据库中。 
首先：我们先用XMLHTTP读取远程网页（我的另一片文章中有介绍）。 
其次：对内容进行过滤，这个是比较关键的步骤，比如说，我要从远程网页上提取出所有url连接，我应该怎么做呢？ 
代码: 
‘这里用的是正则式 
Set objRegExp = New Regexp   '建立对象 
objRegExp.IgnoreCase = True   '大小写忽略 
objRegExp.Global = True       '全局为真 
objRegExp.Pattern = "http://.+?"   '匹配字段 
set mm=objRegExp.Execute(str)   '执行查找，str为输入参数 
For Each Match in mm     '进入循环 
    Response.write(Match.Value）   '输出url地址 
next

然后，我们需要根据需要做一些替换功能，把不必要的数据替换掉，这个比较简单，用Replace函数即可。 
最后，进行数据库操作 
------------------------------- 
一个例子 
代码: 
<% 
On Error Resume Next 
Server.ScriptTimeOut=9999999 
Function getHTTPPage(Path) 
    t = GetBody(Path) 
    getHTTPPage=BytesToBstr(t,"GB2312" 
End function

'首先，进行小偷程序的一些初始化设置，以上代码的作用分别是忽略掉所有非致命性错误，把小偷程序的运行超时时间设置得很长（这样不会出现运行超时的错误），转换原来默认的UTF-8编码转换成GB2312编码，否则直接用XMLHTTP组件调用有中文字符的网页得到的将是乱码。

Function GetBody(url) 
    on error resume next 
    Set Retrieval = CreateObject("Microsoft.XMLHTTP" 
    With Retrieval 
    .Open "Get", url, False, "", "" 
    .Send 
    GetBody = .ResponseBody 
    End With 
    Set Retrieval = Nothing 
End Function

'然后调用XMLHTTP组件创建一个对象并进行初始化设置。

Function BytesToBstr(body,Cset) 
    dim objstream 
    set objstream = Server.CreateObject("adodb.stream" 
    objstream.Type = 1 
    objstream.Mode =3 
    objstream.Open 
    objstream.Write body 
    objstream.Position = 0 
    objstream.Type = 2 
    objstream.Charset = Cset 
    BytesToBstr = objstream.ReadText 
    objstream.Close 
    set objstream = nothing 
End Function

Function Newstring(wstr,strng) 
    Newstring=Instr(lcase(wstr),lcase(strng)) 
    if Newstring<=0 then Newstring=Len(wstr) 
End Function

'处理抓取回来的数据需要调用adodb.stream组件并进行初始化设置。%>

'以下即为页面显示部分

<% 
Dim wstr,str,url,start,over,city 
'定义一些需要使用到的变量

city = Request.QueryString("id") 
'程序传回的ID变量（即用户选择的城市）赋给id

url="http://appnews.qq.com/cgi-bin/news_qq_search?city="&city&"" 
'这里设置需要抓取的页面地址，当然你也可以直接指定某个地址而不使用变量

wstr=getHTTPPage(url) 
'获取指定页面的全部数据

start=Newstring(wstr," <html>") 
'这里设置需要处理的数据的头部，这个变量应视不同情况而设置，具体内容可以通过查看需要抓取的页面的源代码来确定。因为在这个程序里我们需要抓取整个页面,所以设置为页面全部抓取。注意，设置的内容必须是页面内容唯一的，不可以重复。

over=Newstring(wstr," </HTML>") 
'和start相对应的就是需要处理的数据的尾部，同样的，设置的内容必须是页面中唯一的。

body=mid(wstr,start,over-start) 
'设置显示页面的范围

'下面就是动用乾坤挪移***的时候了，通过replace可以用一些字符替换掉数据中指定的字符。

body = replace(body,"skin1","天气预报 - 斯克网络") 
body = replace(body,"http://appnews.qq.com/cgi-bin/news_qq_search?city","tianqi.asp?id")

'本程序中已经完成了替换的工作，如果有其他需要的话可以继续进行类似的替换操作。

response.write body 
引用: 远程获取内容，并将内容存在本地电脑上，包括任何文件

<% 
'----------远程获取内容，并将内容存在本地电脑上，包括任何文件！---------- 
'On Error Resume Next 
'Set the content type to the specific type that you are sending. 
'Response.ContentType = "IMAGE/JPEG" 
'-------------------------------定义输出格式-----------------------------

Path=request.querystring("p") 
sPath = Path 
if left(lcase(path),7) <> "http://"; then 
'-------------如果前面没有http就是本地文件，交给LocalFile处理------------ 
LocalFile(path) 
else 
'--------------------否则为远程文件，交给RemoteFile处理------------------ 
RemoteFile(Path) 
end if 
'Response.Write err.Description

sub LocalFile(Path) 
'-------------------如果为本地文件则简单的跳转到该页面------------------- 
Response.Redirect Path 
End Sub

Sub RemoteFile(sPath) 
'-------------------------处理远程文件函数------------------------------ 
FileName = GetFileName(sPath) 
'-------------GetFileName为把地址转换为合格的文件名过程------------- 
FileName = Server.MapPath("/UploadFile/Cache/" & FileName) 
Set objFso = Server.CreateObject("Scripting.FileSystemObject") 
'Response.Write fileName 
if objFso.FileExists(FileName) Then 
'--------------检查文件是否是已经访问过,如是，则简单跳转------------ 
Response.Redirect "/uploadfile/cache/" & GetFileName(path) 
Else 
'----------------否则的话就先用GetBody函数读取---------------------- 
'Response.Write Path 
t = GetBody(Path) 
'-----------------用二进制方法写到浏览器上-------------------------- 
Response.BinaryWrite t 
Response.Flush 
'-----------------输出缓冲------------------------------------------ 
SaveFile t,GetFileName(path) 
'------------------将文件内容缓存到本地路径，以待下次访问----------- 
End if 
Set objFso = Nothing 
End Sub

Function GetBody(url) 
'-----------------------本函数为远程获取内容的函数--------------------- 
'on error resume next 
'Response.Write url 
Set Retrieval = CreateObject("Microsoft.XMLHTTP") 
'----------------------建立XMLHTTP对象----------------------------- 
With Retrieval 
.Open "Get", url, False, "", "" 
'------------------用Get，异步的方法发送----------------------- 
.Send 
'GetBody = .ResponseText 
GetBody = .ResponseBody 
'------------------函数返回获取的内容-------------------------- 
End With 
Set Retrieval = Nothing 
'response.Write err.Description 
End Function

Function GetFileName(str) 
'-------------------------本函数为合格化的文件名函数------------------- 
str = Replace(lcase(str),"http://";,"") 
str = Replace(lcase(str),"//","/") 
str = Replace(str,"/","") 
str = replace(str,vbcrlf,"") 
GetFileName = str 
End Function

sub SaveFile(str,fName) 
'-------------------------本函数为将流内容存盘的函数------------------- 
'on error resume next 
Set objStream = Server.CreateObject("ADODB.Stream") 
'--------------建立ADODB.Stream对象，必须要ADO 2.5以上版本--------- 
objStream.Type = adTypeBinary 
'-------------以二进制模式打开------------------------------------- 
objStream.Open 
objstream.write str 
'--------------------将字符串内容写入缓冲-------------------------- 
'response.Write fname 
objstream.SaveToFile "c:\inetpub\myweb\uploadfile\cache\" & fName,adSaveCreateOverWrite 
'--------------------将缓冲的内容写入文件-------------------------- 
'response.BinaryWrite objstream.Read 
objstream.Close() 
set objstream = nothing 
'-----------------------关闭对象，释放资源------------------------- 
'response.Write err.Description 
End sub 
%>