小偷程序大揭秘--技巧篇

2006-9-5　　　作者：blue1000　　　来源：blue1000.com　　　点击：1361

页面功能：【评论】【有错就点】【字体：大中小】【打印】【关闭】【收藏本页】【收藏到365Key】

上一篇blue1000给大家讲了些原理和几个常用的函数，这一节说一些技巧类的东西~（对高手来说，这是废话，所以高手可以不看，但也不要骂我哦）

（一）如何截取指定区域的HTML代码?
(对方网站的HTML代码在哪儿看？晕：IE浏览器>>查看>>源文件。不要告诉我你不知道IE是什么！)
例如我只想获取以下HTML代码中"<td>"和"</td>"之间的的文字部分:
<html>
<title>BK(blue1000.com)设计--网页制作资源站点</title>
<body>
<table>
<tr><td></td></tr>
<tr><td id="Content">BK(blue1000.com)设计--网页制作资源站点是个资源多多的站点……</td></tr>
</table>
</body>
</html>

<%
……
Dim StrBK,start,over,RsBK
StrBK=getHTTPPage(网页的地址)
start=Instr(StrBK,"<td id=""Content"">") '此处的作用是获取字符串开始地方的定位。Instr函数前面一节说过了哦~
'这里要有人问了:原来的代码是<td id="Content">,怎么你这里调用的是<td id=""Content"">啊?答案:asp中（准确的说是VBscript中是用两个双引号来表示一个双引号的，因为双引号对于程序来说是个敏感字符。）
over=Instr(StrBK,"…</td></tr>")'此处的作用是获取字符串结束地方的定位。
'这里又要有人问了

:程序调用HTML代码干吗前面多出来3个点点"…"啊？答：提示：上面一行也有一个</td></tr>，如果这里用</td></tr>来定位的话，程序会错误地把上面一行的</td></tr>当成欲获取字符串的结束部分了。
RsBK=mid(StrBK,start,over-start) '此处的作用是取出StrBK中第start个字符到第over个字符之间的字符串。mid函数前面一节我也讲过了；over-start是为了计算出开始位置和结束位置之间的距离，也就是字符数。
response.write(RsBK) '最后输出程序获取的内容
%>
不要高兴的太早，当你运行的时候，你会发现页面的html代码有错误，为什么呢？因为你获取的html代码是：
<td id="Content">BK(blue1000.com)设计--网页制作资源站点是个资源多多的站点…
看到了吧？有残缺的HTML代码啊！怎么办呢？start=Instr(StrBK,"<td id=""Content"">")这个语句获取的是"<td id="Content">"在StrBK中的位置数,现在我们可以在程序语句的后面加上17,那么程序就会将位置指向<td id="Content">后面的那个字符.
好的,程序将改成这样:

<%
……
Dim StrBK,start,over,RsBK
StrBK=getHTTPPage(网页的地址)
start=Instr(StrBK,"<td id=""Content"">") + 17
over=Instr(StrBK,"…</td></tr>") '这里你也可以减去七(-7)把3个点去掉
RsBK=mid(StrBK,start,over-start)
response.write(RsBK)
%>
这样就OK了,我们就可以将我们想要的东西偷过来显示在我们自己的页面了,呵呵~

（二）如何将获取的字符中的一部分删掉或者做一些修改?
接着上面的来讲,我们可以将RsBK中的"BK(blue1000.com)"换成"BK":
RsBK=replace(RsBK,"BK(blue1000.com)","BK")
或者直接把"(blue1000.com)"删掉:
RsBK=replace(RsBK,"(blue1000.com)","")
好了,现在RsBK就变成了:"BK设计--网页制作资源站点是个资源多多的站点……"了.

但是事实中,有些情况可能replace函数是不适应的,比如我们想把某个字符串里面的所有连接都去掉.连接可能包括很多种类型,replace只能替代其中特定的一个,我们不可能用一个又一个对应的replace函数来替换吧?
那么现在就用到了程序中的正则表达式,详细请参阅:
正则表达式简介(１):
http://www.blue1000.com/bbs/disp ... ;ID=1558&page=1
正则表达式简介(２):
http://www.blue1000.com/bbs/disp ... ;ID=1559&page=1

如果哪位朋友正好想去掉页面中所有链接的话,请关注Blue1000.com的下一篇教程:<<如何清除网页中的所有链接[正则表达式]>>

（三）如何将对方网站的翻页也处理成我们自己的呢?
答案是：利用replace函数和页面参数的传递。
例如对方页面里含有这样的翻页代码："<a href=2.htm>下一页</a>",我们可以先利用上面讲的内容，获取这个字符串，然后用replace函数：RsBK=replace(RsBK,"<a href=","<a href=page.asp?Url=")
然后再page.asp的程序里获取Url的参数值，最后用小偷技术获取下一页你想要的内容就可以了。

（四）如何将获取的内容入库
由于篇幅有限,这里简单说一下.
其实很简单：
将偷来的内容作一下处理，防止在写入数据库的时候出现sql注入错误，例如：replace(String,"'","''")
然后执行一个插入数据库操作的sql命令就ok了~
以上只是一些关于XMLHTTP组件的初级应用，实际上它还能实现的功能还有很多，比如说保存远程图片到本地服务器上，配合adodb.stream组件可以把获取来的数据保存进数据库。小偷的作用和使用范围都很广。

最好再送大家两个源码,大家可以参考参考：
站长站站长学院的技术文章小偷（blue1000做的，还用了一些Javascript优化了速度）：
http://blue1000.com/bbs/dispbbs. ... ;ID=1595&page=1
blue1000修改完善的音乐小偷程序：
http://blue1000.com/bbs/dispbbs. ... ;ID=1599&page=1

更多讨论请到论坛