vbs或asp采集文章時(shí)網(wǎng)頁編碼問題
2020-07-27 12:58:54
供稿：網(wǎng)友
'/*=========================================================================
' * Intro 研究網(wǎng)頁編碼很長(zhǎng)時(shí)間了，因?yàn)樽罱O(shè)計(jì)一個(gè)友情鏈接檢測(cè)的VBS腳本，而與你鏈接的人的頁面很可能是各種編碼，以前采取的方法是：如果用GB2312查不到再用UTF-8查，再找不到證明對(duì)方?jīng)]有給你做鏈接雖然不是100%正確，但也差不多了，這兩種編碼用的人比較多，偶然間在收藏夾里的一個(gè)地址看到的一個(gè)思路，終于可以在采集文章時(shí)自動(dòng)判斷網(wǎng)頁的編碼了。因?yàn)檠芯窟^程中這個(gè)問題困擾很久，雖然現(xiàn)在覺得簡(jiǎn)單了，想必很多人還在找，所以把這三個(gè)函數(shù)貼出來。
' * FileName GetWebCodePage.vbs
' * Author yongfa365
' * Version v2.0
' * WEB http://www.yongfa365.com
' * Email yongfa365[at]qq.com
' * FirstWrite http://www.yongfa365.com/Item/GetWebCodePage.vbs.html
' * MadeTime 2008-01-29 20:55:46
' * LastModify 2008-01-30 20:55:46
' *==========================================================================*/
Call getHTTPPage("http://www.baidu.com/")
Call getHTTPPage("http://www.google.com/")
Call getHTTPPage("http://www.yongfa365.com/")
Call getHTTPPage("http://www.cbdcn.com/")
Call getHTTPPage("http://www.csdn.net/")
'得到匹配的內(nèi)容，返回?cái)?shù)組
'getContents(表達(dá)式，字符串，是否返回引用值)
'msgbox getContents("a(.+?)b", "a23234b ab a67896896b sadfasdfb" ,True)(0)
Function getContents(patrn, strng , yinyong)
'by www.yongfa365.com 轉(zhuǎn)載請(qǐng)保留鏈接，以便最終用戶及時(shí)得到最新更新信息
On Error Resume Next
Set re = New RegExp
re.Pattern = patrn
re.IgnoreCase = True
re.Global = True
Set Matches = re.Execute(strng)
If yinyong Then
For i = 0 To Matches.Count -1
If Matches(i).Value<>"" Then RetStr = RetStr & Matches(i).SubMatches(0) & "柳永法"
Next
Else
For Each oMatch in Matches
If oMatch.Value<>"" Then RetStr = RetStr & oMatch.Value & "柳永法"
Next
End If
getContents = Split(RetStr, "柳永法")
End Function
Function getHTTPPage(url)
On Error Resume Next
Set xmlhttp = CreateObject("MSXML2.XMLHTTP")
xmlhttp.Open "Get", url, False
xmlhttp.Send
If xmlhttp.Status<>200 Then Exit Function
GetBody = xmlhttp.ResponseBody
'柳永法(www.yongfa365.com)在此的思路是,先根據(jù)返回的字符串找，找文件頭，如果還沒有的話就用GB2312,一般都能直接匹配出編碼。
'在返回的字符串里看，雖然中文是亂碼，但不影響我們?nèi)∑渚幋a，
GetCodePage = getContents("charset=[""']*([^"",']+)", xmlhttp.ResponseText , True)(0)
'在頭文件里看編碼
If Len(GetCodePage)<3 Then GetCodePage = getContents("charset=[""']*([^"",']+)", xmlhttp.getResponseHeader("Content-Type") , True)(0)
If Len(GetCodePage)<3 Then GetCodePage = "gb2312"
Set xmlhttp = Nothing
'下邊這句在正式使用時(shí)要屏蔽掉
WScript.Echo url & "-->" & GetCodePage
getHTTPPage = BytesToBstr(GetBody, GetCodePage)
End Function
Function BytesToBstr(Body, Cset)
On Error Resume Next
Dim objstream
Set objstream = 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
