实例讲解ASP实现抓取网上房产信息

作者：Eve Cole 更新时间：2009-06-23 17:03:02

< %@LANGUAGE="VBSCRIPT " CODEPAGE="936"%>

<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" " http://www.w3.org/TR/html4/loose.dtd ">
<html>
<头>
<title>无标题文档</title>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312">
<meta http-equiv="refresh" content="300;URL=steal_house.asp">
</头>

<正文>
<%
出错时继续下一步
'
服务器.ScriptTimeout = 999999
'==================================================== =======
'字符编码函数
'==================================================== ===
函数 BytesToBstr( 正文，代码)
暗淡对象流
设置 objstream = Server.CreateObject("adodb.stream")
objstream.Type = 1
objstream.Mode =3
objstream.Open
objstream.写入主体
objstream.Position = 0
objstream.Type = 2
objstream.Charset =代码
BytesToBstr = objstream.ReadText
objstream.关闭
设置 objstream = 无
End Function

'取行字符串在另一个字符串中的出现位置
函数 Newstring(wstr,strng)
Newstring=Instr(lcase(wstr),lcase(strng))
如果 Newstring<=0 则 Newstring=Len(wstr)
结束功能
'替换字符串函数
函数 ReplaceStr(ori,str1,str2)
ReplaceStr=替换(ori,str1,str2)
结束函数
'==================================================== ===
函数 ReadXml(url,代码,开始,结束)
设置 oSend=createobject("Microsoft.XMLHTTP")
SourceCode = oSend.open("GET",url,false)
oSend.send()
ReadXml=BytesToBstr(oSend.responseBody,代码)
开始=Instr(ReadXml,开始)
ReadXml=mid(ReadXml,开始)
结束=Instr(ReadXml,结束)
ReadXml=左(ReadXml,结束-1)
结束函数

function SubStr(body,start,ends)
开始=指令（主体，开始）
SubStr=mid(主体,开始+len(开始)+1)
结束=Instr(SubStr,结束)
SubStr=左(SubStr,结束-1)
结束函数

dim getcont，新闻内容
模糊的网址，标题
url=" http://www.***.com"'新闻网址knowsky.com
getcont=ReadXml(url,"gb2312","<table class=k2 border=""0""","</table>")
getcont=RegexHtml(getcont)
暗淡KeyId，NewsClass，城市，位置，房屋类型，级别，面积，价格，Demostra

暗淡ContactMan，联系方式
对于 i=2 到 ubound(getcont)
响应.Write(getcont(i)&"__ ")

tempLink=mid(getcont(i),instr(getcont(i),"href=""")+6,instr(getcont(i),""" onClick")-10)
tempLink=替换(tempLink,"../","")

响应.Write(i&":"&tempLink&" ")
NewsContent=ReadXml(tempLink,"gb2312","<td valign=""bottom"" width=""400"">","<hr width=""760"" noshade size=""1"" color= ""#808080""> ")
新闻内容=删除Html(新闻内容)
新闻内容=替换（新闻内容，VbCrLf，“”）
NewsContent=替换(NewsContent,vbNewLine,"")
NewsContent=替换(NewsContent," ","")
NewsContent=替换(NewsContent," ","")
NewsContent=替换(NewsContent," ","")
NewsContent=替换(NewsContent,"n","")
NewsContent=替换(NewsContent,chr(10),"")
NewsContent=替换(NewsContent,chr(13),"")
'==============获取内容=======================
响应.Write(新闻内容)
KeyId=SubStr(NewsContent,"列号：","信息类别：")
NewsClass=SubStr(NewsContent,"类别：","所在城市：")
City=SubStr(NewsContent,"城市：","房屋具体位置：")
Position=SubStr(NewsContent,"位置：","房屋类型：")
HouseType=SubStr(NewsContent,"类型：","楼层：")
Level=SubStr(NewsContent,"楼层：","使用面积：")
Area=SubStr(NewsContent,"面积：","房价：")
Price=SubStr(NewsContent,"房价：","其他说明：")
Demostra=SubStr(NewsContent,"说明：","股市：")
ContactMan=SubStr(NewsContent,"联系人：","联系方式：")
Contact=SubStr(NewsContent,"联系方式：","信息来源：")
response.Write("总序列号:"&KeyId&" ")
response.Write("信息类别:"&NewsClass&" ")
response.Write("所在城市:"&City&" ")
response.Write("具体房屋位置:"&Position&" ")
response.Write("房屋类型:"&HouseType&" ")
response.Write("楼层:"&Level&" ")
response.Write("使用面积:"&Area&" ")
response.Write("房价:"&Price&" ")
response.Write("其他说明:"&Demostra&" ")
response.Write("蒸发器:"&ContactMan&" ")
response.Write("联系方式:"&Contact&" ")
'标题=删除HTML(aa(i))
'response.Write("标题："&标题)
对于 n=0 到 application.Contents.count
if(application.Contents(n)=KeyId) then
ifexit=true
结束如果
下一个
如果不是 ifexit 那么
application(时间&i)=KeyId
'添加到数据库
'==================================================== ===
设置 rs=server.CreateObject("adodb.recordset")
rs.open "按 id desc 从新闻顺序中选择前 1 个 *",conn,3,3
rs.addnew
rs("NewsClass")=NewsClass
rs("城市")=城市
rs("位置")=位置
rs("房屋类型")=房屋类型
rs("等级")=等级
rs("面积")=面积
rs("价格")=价格
rs("演示")=演示
rs("联系人")=联系人
rs("联系方式")=联系方式
rs.更新
rs.close
设置 rs=无
结束如果
'==================================================== =

下一个
函数RemoveTag(body)

设置regEx = New RegExp
regEx.Pattern = "<[a].*?</[a]>"
regEx.IgnoreCase = True
regEx.Global = True
设置匹配 = regEx.Execute(body)
昏暗我，arr（15），ifexit
我=0
j=0
对于比赛中的每场比赛
TempStr = 匹配值
TempStr=替换(TempStr,"<td>","")
TempStr=替换(TempStr,"</td>","")
TempStr=替换(TempStr,"<tr>","")
TempStr=替换(TempStr,"</tr>","")
arr(i)=TempStr
我=我+1
如果(i>=15) 那么
退出
结束如果
下一个
设置正则表达式=无
设置匹配=无
删除标签=arr

结束函数
函数 RegexHtml(body)
暗淡 r_arr(47),r_temp
设置 regEx2 = 新正则表达式
regEx2.Pattern ="<a.*?</a>"
regEx2.IgnoreCase = True
regEx2.Global = True
设置 Matches2 = regEx2.Execute(body)
三=0
对于 Matches2 中的每场比赛

r_arr(iii)=匹配值

iii=iii+1
下一个
RegexHtml=r_arr
设置 regEx2=无
设置 Matches2=无
结束函数
'==================================================== =====

conn.close
设置 conn=无
%>
</正文>
</html>

函数.asp

<%
'******************************************************** *
'函数名：gotTopic
'作用：截字符串，汉字一个两个算符，算英文一个字符
'参数：str ----原字符串
' strlen ----截取长度
'返回值：截取后的字符串
'******************************************************** *
函数 getTopic(str,strlen)
如果 str="" 那么
得到主题=“”
退出功能
结束如果
昏暗的l、t、c、i
str=replace(替换(替换(替换(str," "," "),""",chr(34)),">",">"),"<","<" ）
str=替换(str,"?","")
l=len(str)
时间=0
对于 i=1 到 l
c=Abs(Asc(Mid(str,i,1)))
如果 c>255 则
t=t+2
别的
t=t+1
结束如果
如果 t>=strlen 那么
得到主题=左（str，i）&“…”
退出
别的
得到主题=str
结束如果
下一个
gotTopic=替换(替换(替换(替换(gotTopic," "," "),chr(34),"""),">",">"),"<","<" ）
结束函数
'==================================================== ========
'函数：RemoveHTML(strHTML)
'功能：增强HTML标记
'参数：strHTML --要去除HTML标记的字符串
'==================================================== ========
函数删除HTML(strHTML)
Dim objRegExp，匹配，匹配
设置 objRegExp = 新正则表达式

objRegExp.IgnoreCase = True
objRegExp.Global = True
'取关闭的<>
objRegExp.Pattern = "<.+?>"
'进行匹配
Set Matches = objRegExp.Execute(strHTML)

' 遍历匹配集合，并替换掉匹配的项目
对于比赛中的每场比赛
strHtml=替换(strHTML,Match.Value,"")
下一个
删除HTML=strHTML
设置 objRegExp = 无
设置匹配=无
结束功能

conn.asp

<%
'出错时继续下一步
设置 conn=server.CreateObject("adodb.connection")
con= "driver={Microsoft Access 驱动程序 (*.mdb)};dbq=" & Server.MapPath("stest.mdb")
conn.open con

sub connclose
连接关闭
设置 conn=无
结束子
%>

附：抓取信息的事例

总序列号：	479280
信息类别：	出租
所在城市：	济南
房屋具体位置：	华龙路华信路交界口
房屋类型：	其他
楼层：	六层
使用面积：	24～240平方米之间
房价：	0 [ 房屋: 元/月, 大厦: 万元/套]
其他说明：	华信商务楼3至6层小空间对外出租（0.5元/平起），本楼属纯商务办公投资用途，可用于办公写字间，周边设施齐全、交通便利（37、80、K95在本楼前经过），全产权、市证，楼内设施包括水、电、暖气、电梯设施齐全，装载者可电讯
！人：	鲁、王
联系方式：	88017966、86812217
信息来源：	2005-8-4 8:28:55 来自：218.98.86.175
点击次数：	19