Question

获取页面後编码问题求解 BytesToBstr

高手请帮忙一下. 我用以下码可以成功读取目的 URL 的内容:

Function Crawl(url)
Dim TakenHTML, HTMLRs

Set HTMLRs = CreateObject("Microsoft.XMLHTTP")
HTMLRs.Open "GET", url, False
HTMLRs.setRequestHeader "content-type", "text/xml; charset=utf-8"
HTMLRs.Send

TakenHTML = BytesToBstr(HTMLRs.responseBody, "utf-8")
End Function

Function BytesToBstr(body, Cset)
Dim objstream
set objstream = Server.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

并使用:

Session.CodePage = 65001
Response.charset = "utf-8"

把网页由乱码变成能看的字. 但是出现第二个问题, 就是我无法采集段落的文字.

例如: "这里有 3 橙"

Instr(string, "橙") 的结果为 "0"
用 Left(string, 1) 测试显示为 "这"
采集回来的字串, 是 1 个中文字一个单位.

但是如果我在同一页的下方设定

a = "这里有 3 橙"
Instr(a, "里"), 结果是 "4". 就是 1 个中文字 3 个码

请问我怎样才可以解决采集回来字串的问题? 不然无法截取所需资料.
谢谢

Answer 1

最大的问题是文字编码和数据库编码的问题，如果只转用户数据的活，那只有数据库编码问题，如果想转模板的话，那会是一堆乱码，具体转换方法discuz 官方论坛
希望对你能有所帮助。