Asp文章采集系统的常用函数之内容提取

文章采集系统 源数据采集

Asp文章采集系统的常用函数之源数据转换

Asp文章采集系统的常用函数之内容提取

Asp文章采集系统的常用函数之图片地址提取

在新闻采集中我们得到了源数据流并且已经转换可识别的字符,那么此时我们应该是从这个网页中提取我们需要的内容,比如标题,关键字,和新闻正文等等.

常常很多人在提取文字的时候使用的办法是通过字符位置去提取,这样是一个办法但是效率不高,Asp也提供正则表达式,通过正则表达式去提取字符串那是最高效的办法.

'正则匹配
Function RegExpSerch(Pat,ExeStrs,Caps,Glo)
 Dim objRegExp,Matches,Mati,ReturnStr
 Set objRegExp = New RegExp
 objRegExp.IgnoreCase = Caps     '忽略大小写
 objRegExp.Global = Glo         '设置为全文搜索
 objRegExp.Pattern = Pat        '搜索匹配
 Set Matches = objRegExp.Execute(ExeStrs) '开始执行配置
 IF Matches.Count > 0 Then
  Redim ReturnStr(Matches.Count-1)
  For Mati=0 to Matches.Count-1
   ReturnStr(Mati) = Matches.Item(Mati)
  Next
  RegExpSerch = ReturnStr
 Else
  RegExpSerch = ""
 End IF
 Set objRegExp = Nothing
End Function

参数说明:

Pat: 正则表达式,规则你可以查询百度,如 给定起始字符串和结束字符串数据,如果存在换行使用: "

ExeStrs: 需要查找的字符串

Caps: 是否区分大小写 true 和 false

Glo: 是否全局匹配