vbs或asp采集文章时网页编码问题

时间:2022-09-18 14:22:52

'/*=========================================================================    
' * Intro       研究网页编码很长时间了,因为最近要设计一个友情链接检测的VBS脚本,而与你链接的人的页面很可能是各种编码,以前采取的方法是:如果用GB2312查不到再用UTF-8查,再找不到证明对方没有给你做链接虽然不是100%正确,但也差不多了,这两种编码用的人比较多,偶然间在收藏夹里的一个地址看到的一个思路,终于可以在采集文章时自动判断网页的编码了。因为研究过程中这个问题困扰很久,虽然现在觉得简单了,想必很多人还在找,所以把这三个函数贴出来。    
' * 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.zzvips.com/")    
Call getHTTPPage("http://www.aspku.net/")    

   
'得到匹配的内容,返回数组    
'getContents(表达式,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 转载请保留链接,以便最终用户及时得到最新更新信息    
    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,先根据返回的字符串找,找文件头,如果还没有的话就用GB2312,一般都能直接匹配出编码。    
    '在返回的字符串里看,虽然中文是乱码,但不影响我们取其编码,    
    GetCodePage = getContents("charset=[""']*([^"",']+)", xmlhttp.ResponseText , True)(0)    
    '在头文件里看编码    
     If Len(GetCodePage)<3 Then GetCodePage = getContents("charset=[""']*([^"",']+)", xmlhttp.getResponseHeader("Content-Type") , True)(0)    
    If Len(GetCodePage)<3 Then GetCodePage = "gb2312"   
    Set xmlhttp = Nothing   
    '下边这句在正式使用时要屏蔽掉    
    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