接到一个任务是把中国名牌网站的某些内容添加到我们的网站上，这些网站上有些页面是文章链接列表，点击链接会出现文章的详细内容显示页，根据这个规律，结合正则表达式，XMLHTTP技术，Jscript服务端脚本，以及ADO技术，写了一个小程序，把这些内容抓取到了本地数据库。抓取下来，然后就数据库对数据库导数据就比较方便了。先建立一个Access数据库，结构如下
（本文来源于图老师网站，更多请访问https://m.tulaoshi.com/webkaifa/）Id自动编号标识，主键oldID数字旧数据编码Title标题文本Content备注内容具体实现代码如下
＜%@LANGUAGE="JSCRIPT" CODEPAGE="936"%＞＜!-- METADATA NAME="Microsoft ActiveX Data Objects 2.5 Library"TYPE="TypeLib" UUID="{00000205-0000-0010-8000-00AA006D2EA4}" --＞＜% //打开数据库 try { var strConnectionString = "Provider=Microsoft.Jet.OLEDB.4.0;Data Source=" + Server.MapPath("#db.mdb"); var objConnection = Server.CreateObject("ADODB.Connection"); objConnection.Open(strConnectionString); } catch(e) { Response.Write(e.description); Response.End(); }%＞＜script language="jscript" runat="server"＞//远程获取数据function GetData(){ var xHttp = new ActiveXObject("microsoft.xmlhttp"); xHttp.open("POST","http://www.chinamp.org/mppro2.php",false); xHttp.send(); return(xHttp.responseText);}//利用正则表达式提取符合条件的链接function GetLinks(str){ var re = new RegExp("＜a[^＜＞]+？＞((.|n)*？)＜/a＞", "gi"); var a = str.match(re); //第一次搜索 for(var i=0;i＜a.length;i++) { var t1,t2; var temp; var r = /qy.php？id=(d+)/ig; if(!r.test(a[i]))continue; temp = a[i].match(/qy.php？id=(d+)/ig); t1 = RegExp.$1; temp = a[i].match(/＜font[^＜＞]+？color="#000000"＞(.*？)＜/font＞/ig); t2 = RegExp.$1; if(t1 == t2)continue; SaveArticle(t1,t2,GetContent(t1)); }}//通过提取的链接获取ID，并通过这个ID取抓取相应的文章function GetContent(id){ var xHttp = new ActiveXObject("microsoft.xmlhttp"); xHttp.open("POST","http://www.chinamp.org/qy.php？id=" + id,false); xHttp.send(); var str = xHttp.responseText; var re = new RegExp("＜span[^＜＞]+？style="font-size:10.8pt"＞(.*？)＜/span＞", "gi"); var a = str.match(re); return(RegExp.$1);}//入库function SaveArticle(oldID,Title,Content){ var oRst = Server.CreateObject("ADODB.Recordset"); var sQuery; sQuery = "SELECT oldID,Title,Content FROM Articles" oRst.Open(sQuery,objConnection,adOpenStatic,adLockPessimistic); oRst.AddNew(); oRst("oldID") = oldID; oRst("Title") = Title; oRst("Content") = Content; oRst.Update(); oRst.Close(); Response.Write(Title + "抓取成功" + "＜br＞");}＜/script＞＜HTML＞＜HEAD＞＜TITLE＞ 抓取文章＜/TITLE＞＜meta http-equiv="Content-Type" content="text/html; charset=gb2312"＞＜/HEAD＞＜BODY＞＜%=GetLinks(GetData())%＞＜/BODY＞＜/HTML＞（本文来源于图老师网站，更多请访问https://m.tulaoshi.com/webkaifa/）下一步就是，把这个Access的数据库的内容导入到服务器的数据库里了，但是还有一些东西，就是原来的文章是分类的，所以导入的时候还得手工分类，因为在分析链接的时候正则表达式本来写就很麻烦，但还算严谨，如果把分类也用正则表达式解析的话，会很麻烦，因为分类是包含在＜td＞里面的，而那个页的＜td＞标签又很多，要想定位分类文字所在的＜td＞会很麻烦，即便写出来，程序也会失去灵活性，变得难以维护，所以现在只做到了这一步。
