|
ԴƼ
View二期开发正式启动,一开始就碰到了麻烦事,因为在统计模块中,需要得到来源搜索链接的关键字,所以一开始就用正则把关键字部分匹配出来,然后用自带的 Uri.UnescapeDataString() 将Urlcoding转换为文字。
本来一切都很顺利,结果将百度,网易搜索加到规则里面,就开始报错了。我猜想可能是和编码有关系,因为Google一向都是UTF-8,国内的网站大多偏向使用GB2312,所以出现这个问题我还不是很担心。
哪里知道,这个问题的严重性,让我差点对程序算法的研究失去信心。因为今天听到有个人说我胆子好大,居然敢把所有链接的事件给改掉了,万一还有相同事件,那么就会出严重的问题。我一向认为我还是个比较心细的人,在我做那件大胆的事情前,我是仔细地咨询过有没有相同事件存在,在得到肯定的答复后,我才开始做的。代码虽然不多,但是我敢说里面能考虑到的,不能考虑到的错误,我基本已经都做到。
回到正题,在网上一搜索,发现asp.net这方面的资料真的是太少了,然后看了看ASP和PHP的,发现做法十分复杂,而且还容易出错,甚至还要建一个gb2312到utf-8的编码对照表。
我坚信微软一定会给出一个完美的解决方案,于是开始查MSDN,从Encoding入手,发现存在转换编码的方法。但是问题又出现了,因为我得到的是URL形式的字符串,现在还不知道这个字符串是属于utf-8的,还是gb2312的,所以不能使用UnescapeDataString转换成文字后再进行转码,因为这样马上会报错。
于是开始分析gb2312和utf-8的编码原理,发现他们在.net里是存在关联性的,一个是2位编码,一个是三位编码,于是我试者将gb2312的编码进行分解,将每2位作为2个16进制的byte类型放入一个byte数组里面,然后通过正常的转码方式转为utf-8的byte类型,然后放入char里面,最后转成正常文字 结果马上就揭晓了,居然成功了,然后再接再厉,写了一个搜索引擎类型判断的方法,于是一切就这么给解决。
下面给出代码,希望可以帮到有用的朋友:
程序代码
using System; using System.Data; using System.Configuration; using System.Web; using System.Web.Security; using System.Web.UI; using System.Web.UI.WebControls; using System.Web.UI.WebControls.WebParts; using System.Web.UI.HtmlControls; using System.Text.RegularExpressions; using System.Text; /// <summary> /// 搜索引擎处理 /// </summary> public class ExJudgeSystem { public ExJudgeSystem() { } #region 初始化变量 //搜索引擎特征 private string[][] _Enginers = new string[][] { new string[]{"google","utf8","q"}, new string[]{"baidu","gb2312","wd"}, new string[]{"yahoo","utf8","p"}, new string[]{"yisou","utf8","search"}, new string[]{"live","utf8","q"}, new string[]{"tom","gb2312","word"}, new string[]{"163","gb2312","q"}, new string[]{"iask","gb2312","k"}, new string[]{"soso","gb2312","w"}, new string[]{"sogou","gb2312","query"}, new string[]{"zhongsou","gb2312","w"}, new string[]{"3721","gb2312","p"}, new string[]{"openfind","utf8","q"}, new string[]{"alltheweb","utf8","q"}, new string[]{"lycos","utf8","query"}, new string[]{"onseek","utf8","q"} }; //搜索引擎名称 private string _EngineName = ""; public string EngineName { get { return _EngineName; } } //搜索引擎编码 private string _Coding = "utf8"; public string Coding { get { return _Coding; } } //搜索引擎关键字查询参数名称 private string _RegexWord = ""; public string RegexWord { get { return _RegexWord; } } private string _Regex = @"("; #endregion #region 搜索引擎关键字 //建立搜索关键字正则表达式 public void EngineRegEx(string myString) { for (int i = 0, j = _Enginers.Length; i < j; i++) { if (myString.Contains(_Enginers[i][0])) { _EngineName = _Enginers[i][0]; _Coding = _Enginers[i][1]; _RegexWord = _Enginers[i][2]; _Regex += _EngineName + @".+.*[?/&]" + _RegexWord + @"[=:])(?<key>[^&]*)"; break; } } } //得到搜索引擎关键字 public string SearchKey(string myString) { EngineRegEx(myString.ToLower()); if (_EngineName != "") { Regex myReg = new Regex(_Regex, RegexOptions.IgnoreCase); Match matche = myReg.Match(myString); myString = matche.Groups["key"].Value; //去处表示为空格的+ myString = myString.Replace("+", " "); if (_Coding == "gb2312") { myString = GetUTF8String(myString); } else { myString = Uri.UnescapeDataString(myString); } } return myString; } //整句转码 public string GetUTF8String(string myString) { Regex myReg = new Regex("(?<key>%..%..)", RegexOptions.IgnoreCase); MatchCollection matches = myReg.Matches(myString); string myWord; for (int i = 0, j = matches.Count; i < j; i++) { myWord = matches[i].Groups["key"].Value.ToString(); myString = myString.Replace(myWord, GB2312ToUTF8(myWord)); } return myString; } //单字GB2312转UTF8 URL编码 public string GB2312ToUTF8(string myString) { string[] myWord = myString.Split("%"); byte[] myByte = new byte[] { Convert.ToByte(myWord[1], 16), Convert.ToByte(myWord[2], 16) }; Encoding GB = Encoding.GetEncoding("GB2312"); Encoding U8 = Encoding.UTF8; myByte = Encoding.Convert(GB, U8, myByte); char[] Chars = new char[U8.GetCharCount(myByte, 0, myByte.Length)]; U8.GetChars(myByte, 0, myByte.Length, Chars, 0); return new string(Chars); } #endregion //判断否为搜索引擎爬虫,并返回其类型 public string isCrawler(string SystemInfo) { string[] BotList = new string[] { "Google", "Baidu", "MSN", "Yahoo", "TMCrawler", "iask", "Sogou" }; foreach (string Bot in BotList) { if (SystemInfo.ToLower().Contains(Bot.ToLower())) { return Bot; } } return "null"; } }
下午下班的时候,在出地铁的时候捡到一个钱包,打开看了一下有几百块,嘿嘿!心痒痒的,不过小学老师就教导我们拾金不昧,我在站口傻站了半天,等掉钱包的人回来领,没有结果,只好把钱包交给地铁的工作人员。社会的素质文明是需要从每个人开始做起,而不是每天说些华而不实的废话
Դ. |