接到一個任務是把中國名牌網站的某些內容添加到我們的網站上，這些網站上有些頁面是文章鏈接列表，點擊鏈接會出現文章的詳細內容顯示頁，根據這個規律，結合正則表達式，XMLHTTP技術，Jscript服務端腳本，以及ADO技術，寫了一個小程序，把這些內容抓取到了本地數據庫。抓取下來，然后就數據庫對數據庫導數據就比較方便了。先建立一個Access數據庫，結構如下

Id	自動編號	標識，主鍵
oldID	數字	舊數據編碼
Title	標題	文本
Content	備注	內容

　　具體實現代碼如下

＜%@LANGUAGE="JSCRIPT" CODEPAGE="936"%＞ ＜!-- METADATA NAME="Microsoft ActiveX Data Objects 2.5 Library" TYPE="TypeLib" UUID="{00000205-0000-0010-8000-00AA006D2EA4}" --＞ ＜% 　//打開數據庫 　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"＞ //遠程獲取數據 function GetData() { 　var xHttp = new ActiveXObject("microsoft.xmlhttp"); 　xHttp.open("POST","http://www.chinamp.org/mppro2.php",false); 　xHttp.send(); 　return(xHttp.responseText); } //利用正則表達式提取符合條件的鏈接 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)); 　} } //通過提取的鏈接獲取ID，并通過這個ID取抓取相應的文章 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); } //入庫 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＞

　　下一步就是，把這個Access的數據庫的內容導入到服務器的數據庫里了，但是還有一些東西，就是原來的文章是分類的，所以導入的時候還得手工分類，因為在分析鏈接的時候正則表達式本來寫就很麻煩，但還算嚴謹，如果把分類也用正則表達式解析的話，會很麻煩，因為分類是包含在＜td＞里面的，而那個頁的＜td＞標簽又很多，要想定位分類文字所在的＜td＞會很麻煩，即便寫出來，程序也會失去靈活性，變得難以維護，所以現在只做到了這一步。