【下载文档:  如何采集静态文章系统.txt 】

---

如何采集静态文章系统
目前网站基本上都生成静态的了,对于那些技术不是很高深的小偷来说,去偷一个文件名是以时间加随机数来命名的文章系统,有点困难,而目前的大多数静态的系统都是以这样的方式命名的,这个不像有asp?id=1 to asp?id=100这样好这个命名是没规律的,那么,这种文章系统怎么样采呢,以下就以自已的站www.asp315.com这例来写一篇关于采集静态文章系统的教程吧! 首先,我们打开www.asp315.com你会发现教程很多,我们随便点一个进去吧,就点JSP教程吧,里面还分了子类,这个不管我们就采这一个大类,http://www.asp315.com/artical/2/1.htm,看看每一篇文章的名称,基本上是没规律,直接偷是没戏了,只能转着弯偷啦,看到这个分类页下面有下一页,看看这些页面的规律,会发现是以1.htm,2.htm命名的,这样就好办多了点一下最后一页,141.htm,这些页面都是一样的,整个站的分类页都是一样的,只要搞定了这一页,那么,文章页的文件名就知道了只要记下了文件名,那么,偷起来就容易多了,在这里我只讲怎么样偷到这些文件名,不去讲具体的采集某个页面,因为那个太简单了不用我说,大家都会! 首页,那个读取远程的函数是不能少啦,以下我贴出来Function getHTTPPage(Path) t = GetBody(Path) getHTTPPage=BytesToBstr(t,"gb2312") End function
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 FunctionFunction 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 然后我们先写一个最简单的程序来先,一步一步的来,手把手的教,(呵,废话说多了*.*)把上面的代码命名为get.asp吧再一个页面代码就叫getfilename.asp吧.代码如下:<%response.write gethttppage("http://www.asp315.com/artical/2/1.htm")%>呵,getfilename.asp完成了,当然,这个是最简单的照搬啦,我们要一步一步的来改,来完善,远行那个当代码,你会看到和那个页面基本上一的页面,当然,有些图片显示不了!然后我们分析这个页面,首页,点右键,查看源代码找到这一行人气当然,我们不要这么多,光人气二字都可以,但是为了保险,我们还是多要点,这个是那些文件标题开始的地方,那么我们再找到结束的地方,页数呵,这些代码找到了,这个多一点少一点没事,我们代码要一步一步完善的,然后我们将getfilename.asp改成<%dim dj,l1,l2dj=gethttppage("http://www.asp315.com/artical/2/1.htm")l1=instr(dj,"人气")l2=instr(l1,dj,"页数")dj1=mid(dj,l1,l2-l1)response.write dj1%>再去运行这个文件,看一看,你会发现东西少了好多,呵,也简单多了,那么,我们再找去规律来吧,一样上查看源代码,然后你会发现每一条都是一个标签组成的,这就好办多了,djmore=split(dj1,"")记住,仔细查看,你会发现多了几个,那就把第一个和最后二个去掉,变成这样的了我们来循环把response.write dj1换成djmore=split(dj1,"")for i=1 to ubound(djmore)-2response.write djmore(i)next这样就会把每一行都分出来了,分成了以下这样的 CSS语法手册（一）字体属性 2005-7-21 现在只要分析这一段就简单多了,我们再来针对djmore(i)这数组中的一项来写一个代码,l3=instr(djmore(i),""
这里是为了方便才写成这样的,把以上这段代替前面的response.write djmore(i)这里加
是为了换行,好看点,然后你看到了URL好像多了点东西,这个我们就要做一些处理了,把url=mid(djmore(i),l3,l4-l3)变成url=mid(djmore(i),l3+len("