?? 如何用c#語言構造網絡蜘蛛程序1.htm
字號:
<html>
<head>
<title>如何用C#語言構造網絡蜘蛛程序|搜索引擎,網絡蜘蛛,程序,算法,C#-中國源碼網</title>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312">
<meta http-equiv="Refresh" content=600>
<meta name="keywords" content="搜索引擎,網絡蜘蛛,程序,算法,C#">
<meta name="description" content="如何用C#語言構造網絡蜘蛛程序">
<link rel="stylesheet" href="/templates/yobo/style/default/style.css" type="text/css" media="all" />
</head><body oncontextmenu='return false' ondragstart='return false' onselectstart ='return false' onselect='document.selection.empty()' oncopy='document.selection.empty()' onbeforecopy='return false'>
<a name="top"></a>
<!--頁面頭部信息-->
<div id="header">
<div id="topmenu">
<div class="left">
<div id="topdate"><a href="http://www.yuanma.org/rss.php" target="_blank" title="中國源碼 RSS 訂閱 "><img src="/images/rss.gif" border="0"></a>=>中國源碼：全球著名開源項目大本營</div>
</div>
<div class="right">
<div id="topnavlist">
<ul>
<li><a href="/member.php?action=reg" title="注冊會員">注冊會員</a></li>
<li><a href="/member.php?action=login" title="會員登錄">會員登錄</a></li>
<li><a href="/member.php?action=manage" title="控制面板">控制面板</a></li>
<li><a href="#" onClick="this.style.behavior= 'url(#default#homepage)';this.setHomePage ('http://www.yuanma.org');">設為首頁</a></li>
<li><a href="#" onClick="window.external.addFavorite('http://www.yuanma.org','中國源碼-全球著名開放源代碼大本營')">加入收藏</a></li>
<li><a href="http://cgi.alexa.com/client/mail_this_site/cgi-bin/mail_this_site.cgi?url=yuanma.org" title="推薦本站" target=_blank>推薦本站</a></li>
</ul>
</div>
</div>
</div>
<div id="maintop">
<div id="LogoSide1">
<a href="/blog/"><img src="/images/blog.gif" alt="博客" /></a>
<a href="/download/"><img src="/images/download.gif" alt="下載" /></a><br />
博客 下載
</div>
<div id="Logo"><a href="/"><img src="/images/logo.gif" alt="中國源碼 首頁" /></a></div>
<div id="LogoSide2">
<a href="/bbs/"><img src="/images/forum.gif" alt="論壇" /></a>
<a href="/lilina/" target=_blank><img src="/images/rss_reader.gif" alt="最新開源項目" /></a><br />
論壇 開源項目
</div>
</div>
<div class="navline"> </div>
<div class="navup">
<div id="nav-up-left"><a href="/" class="mainmenu">首頁</a> ·<a href='/data/osupdate/' target='_self' title='開源社區最新動態、新聞' class="mainmenu">開源動態</a>
·<a href='/data/osprojects/' target='_self' title='世界知名開源社區著名開源項目、軟件介紹和使用文章' class="mainmenu">應用軟件</a>
·<a href='/data/osprojectsos/' target='_self' title='開放源代碼操作系統 Linux FreeBSD OpenBSD..' class="mainmenu">開源操作系統</a>
·<a href='/data/osprojectssd/' target='_self' title='介紹程序設計方法、事例、教程
software development' class="mainmenu">程序設計</a>
·<a href='/data/osarticles/' target='_self' title='開放源代碼社區文章、評論' class="mainmenu">開源文章</a>
·<a href='/data/yuanmaprotocol/' target='_self' title='介紹網絡協議、RFC及安全' class="mainmenu">網絡協議與安全</a>
·<a href="/data/special/" class="mainmenu">專題</a>·<a href="/mypage.php?action=picture" class="mainmenu">圖片文章</a>·<a href="/search.php" title="搜索" class="mainmenu">搜索</a>· <a href="/contribute.php" title="投稿" class="mainmenu">投稿</a> </div>
</div>
<div class="navline"> </div>
</div>
<SCRIPT language=javascript type=text/javascript>
var currentpos,timer;
function initialize()
{
timer=setInterval("scrollwindow()",2);
}
function sc(){
clearInterval(timer);
}
function scrollwindow()
{
currentpos=document.body.scrollTop;
window.scroll(0,++currentpos);
if (currentpos != document.body.scrollTop)
sc();
}
document.onmousedown=sc
document.ondblclick=initialize
</SCRIPT>
<script language="JavaScript">
function fontZoom(size)
{
document.getElementById('fontzoom').style.fontSize=size+'px'
}
function doCheck(){
// 檢測表單的有效性
// 如：標題不能為空，內容不能為空，等等....
if (myform.username.value=="") {
alert("請輸入姓名!");
myform.username.focus();
return false;
}
if (myform.content.value=="") {
alert("請輸入評論內容!");
myform.content.focus();
return false;
}
if (myform.checkcode.value=="") {
alert("請輸入驗證碼!");
myform.checkcode.focus();
return false;
}
return true;
}
</script>
<div class="mainline"> </div>
<div class="maincolumn">
<div class="navadimg">
<script type="text/javascript"><!--
google_ad_client = "pub-4357927283882197";
google_ad_width = 728;
google_ad_height = 90;
google_ad_format = "728x90_as";
google_ad_type = "image";
google_ad_channel = "";
//--></script>
<script type="text/javascript"
src="http://pagead2.googlesyndication.com/pagead/show_ads.js">
</script>
</div>
</div>
<div class="mainline"> </div>
<div class="maincolumn">
<div id="flist">
<div class="ftitleico"> </div>
<div class="ftitlebg">
<div class="ftitlename">當前位置: <a href='/' class='position'>首頁</a> >> <a href='/data/osprojectssd/' class='position'>程序設計</a> >> 如何用C#語言構造網絡蜘蛛程序</div>
</div>
<div class="clear"> </div>
<div id="newsview">
<div class="title">
<h1>如何用C#語言構造網絡蜘蛛程序</h1>
<h2><strong>作者：</strong><a href="/member.php?action=show&username=webmaster" target="_blank"></a> <strong>來源：</strong><a href="http://blog.csdn.net/smildlzj/archive/2006/09/21/1260758.aspx" target="_blank">zz</a> <strong>發表時間：</strong>2006-09-21
<strong>瀏覽次數：</strong>
<script language=Javascript src="/view.php?articleid=1570"></script>
<strong>字號：</strong><a href="javascript:fontZoom(16)" class=black>大</a> <a href="javascript:fontZoom(14)" class=black>中</a> <a href="javascript:fontZoom(12)" class=black>小</a></h2>
</div>
<div id="fontzoom" class="content">
<p>如何用C#語言構造蜘蛛程序 <BR> "蜘蛛"（Spider）是Internet上一種很有用的程序，搜索引擎利用蜘蛛程序將Web頁面收集到數據庫，企業利用蜘蛛程序監視競爭對手的網站并跟蹤變動，個人用戶用蜘蛛程序下載Web頁面以便脫機使用，開發者利用蜘蛛程序掃描自己的Web檢查無效的鏈接……對于不同的用戶，蜘蛛程序有不同的用途。那么，蜘蛛程序到底是怎樣工作的呢？ <BR><BR> 蜘蛛是一種半自動的程序，就象現實當中的蜘蛛在它的Web（蜘蛛網）上旅行一樣，蜘蛛程序也按照類似的方式在Web鏈接織成的網上旅行。蜘蛛程序之所以是半自動的，是因為它總是需要一個初始鏈接（出發點），但此后的運行情況就要由它自己決定了，蜘蛛程序會掃描起始頁面包含的鏈接，然后訪問這些鏈接指向的頁面，再分析和追蹤那些頁面包含的鏈接。從理論上看，最終蜘蛛程序會訪問到Internet上的每一個頁面，因為Internet上幾乎每一個頁面總是被其他或多或少的頁面引用。 <BR><BR> 本文介紹如何用C#語言構造一個蜘蛛程序，它能夠把整個網站的內容下載到某個指定的目錄，程序的運行界面如圖一。你可以方便地利用本文提供的幾個核心類構造出自己的蜘蛛程序。 <BR> C#特別適合于構造蜘蛛程序，這是因為它已經內置了HTTP訪問和多線程的能力，而這兩種能力對于蜘蛛程序來說都是非常關鍵的。下面是構造一個蜘蛛程序要解決的關鍵問題： <BR><BR> ⑴ HTML分析：需要某種HTML解析器來分析蜘蛛程序遇到的每一個頁面。 <BR><BR> ⑵ 頁面處理：需要處理每一個下載得到的頁面。下載得到的內容可能要保存到磁盤，或者進一步分析處理。 <BR><BR> ⑶ 多線程：只有擁有多線程能力，蜘蛛程序才能真正做到高效。 <BR><BR> ⑷ 確定何時完成：不要小看這個問題，確定任務是否已經完成并不簡單，尤其是在多線程環境下。 <BR><BR> 一、HTML解析 <BR><BR> C#語言本身不包含解析HTML的能力，但支持XML解析；不過，XML有著嚴格的語法，為XML設計的解析器對HTML來說根本沒用，因為HTML的語法要寬松得多。為此，我們需要自己設計一個HTML解析器。本文提供的解析器是高度獨立的，你可以方便地將它用于其它用C#處理HTML的場合。 <BR><BR> 本文提供的HTML解析器由ParseHTML類實現，使用非常方便：首先創建該類的一個實例，然后將它的Source屬性設置為要解析的HTML文檔： <BR><BR>ParseHTML parse = new ParseHTML();parse.Source = "
<P>Hello World</P>";<BR><BR><BR><BR> 接下來就可以利用循環來檢查HTML文檔包含的所有文本和標記。通常，檢查過程可以從一個測試Eof方法的while循環開始： <BR><BR>while(!parse.Eof()){char ch = parse.Parse();<BR><BR><BR><BR> Parse方法將返回HTML文檔包含的字符--它返回的內容只包含那些非HTML標記的字符，如果遇到了HTML標記，Parse方法將返回0值，表示現在遇到了一個HTML標記。遇到一個標記之后，我們可以用GetTag()方法來處理它。 <BR><BR>if(ch==0){HTMLTag tag = parse.GetTag();}<BR><BR><BR><BR> 一般地，蜘蛛程序最重要的任務之一就是找出各個HREF屬性，這可以借助C#的索引功能完成。例如，下面的代碼將提取出HREF屬性的值（如果存在的話）。 <BR><BR>Attribute href = tag["HREF"];string link = href.Value;<BR><BR><BR><BR> 獲得Attribute對象之后，通過Attribute.Value可以得到該屬性的值。 <BR><BR>二、處理HTML頁面 <BR><BR> 下面來看看如何處理HTML頁面。首先要做的當然是下載HTML頁面，這可以通過C#提供的HttpWebRequest類實現： <BR><BR>HttpWebRequest request = (HttpWebRequest)WebRequest.Create(m_uri);response = request.GetResponse();stream = response.GetResponseStream();<BR><BR><BR><BR> 接下來我們就從request創建一個stream流。在執行其他處理之前，我們要先確定該文件是二進制文件還是文本文件，不同的文件類型處理方式也不同。下面的代碼確定該文件是否為二進制文件。 <BR><BR>if( !response.ContentType.ToLower().StartsWith("text/") ){SaveBinaryFile(response);return null;}string buffer = "",line;<BR><BR><BR><BR> 如果該文件不是文本文件，我們將它作為二進制文件讀入。如果是文本文件，首先從stream創建一個StreamReader，然后將文本文件的內容一行一行加入緩沖區。 <BR><BR>reader = new StreamReader(stream);while( (line = reader.ReadLine())!=null ){buffer+=line+"\r\n";}<BR><BR><BR><BR> 裝入整個文件之后，接著就要把它保存為文本文件。 <BR><BR>SaveTextFile(buffer);<BR><BR><BR><BR> 下面來看看這兩類不同文件的存儲方式。 <BR><BR> 二進制文件的內容類型聲明不以"text/"開頭，蜘蛛程序直接把二進制文件保存到磁盤，不必進行額外的處理，這是因為二進制文件不包含HTML，因此也不會再有需要蜘蛛程序處理的HTML鏈接。下面是寫入二進制文件的步驟。 <BR><BR> 首先準備一個緩沖區臨時地保存二進制文件的內容。 byte []buffer = new byte[1024];<BR><BR><BR><BR> 接下來要確定文件保存到本地的路徑和名稱。如果要把一個myhost.com網站的內容下載到本地的c:\test文件夾，二進制文件的網上路徑和名稱是http://myhost.com/images/logo.gif，則本地路徑和名稱應當是c:\test\images\logo.gif。與此同時，我們還要確保c:\test目錄下已經創建了images子目錄。這部分任務由convertFilename方法完成。 <BR><BR>string filename = convertFilename( response.ResponseUri );<BR><BR><BR><BR> convertFilename方法分離HTTP地址，創建相應的目錄結構。確定了輸出文件的名字和路徑之后就可以打開讀取Web頁面的輸入流、寫入本地文件的輸出流。 <BR><BR>Stream outStream = File.Create( filename );Stream inStream = response.GetResponseStream();<BR><BR><BR><BR> 接下來就可以讀取Web文件的內容并寫入到本地文件，這可以通過一個循環方便地完成。 <BR><BR>int l;do{l = inStream.Read(buffer,0,buffer.Length);if(l>0)outStream.Write(buffer,0,l);} while(l>0);<BR><BR><BR><BR> 寫入整個文件之后，關閉輸入流、輸出流。 <BR><BR>outStream.Close();inStream.Close();<BR><BR><BR><BR> 比較而言，下載文本文件更容易一些。文本文件的內容類型總是以"text/"開頭。假設文件已被下載并保存到了一個字符串，這個字符串可以用來分析網頁包含的鏈接，當然也可以保存為磁盤上的文件。下面代碼的任務就是保存文本文件。 <BR><BR>string filename = convertFilename( m_uri );StreamWriter outStream = new StreamWriter( filename );outStream.Write(buffer);outStream.Close();<BR><BR><BR><BR> 在這里，我們首先打開一個文件輸出流，然后將緩沖區的內容寫入流，最后關閉文件。 <BR><BR> 三、多線程 <BR><BR> 多線程使得計算機看起來就象能夠同時執行一個以上的操作，不過，除非計算機包含多個處理器，否則，所謂的同時執行多個操作僅僅是一種模擬出來的效果--靠計算機在多個線程之間快速切換達到"同時"執行多個操作的效果。一般而言，只有在兩種情況下多線程才能事實上提高程序運行的速度。第一種情況是計算機擁有多個處理器，第二種情況是程序經常要等待某個外部事件。 <BR><BR> 對于蜘蛛程序來說，第二種情況正是它的典型特征之一，它每發出一個URL請求，總是要等待文件下載完畢，然后再請求下一個URL。如果蜘蛛程序能夠同時請求多個URL，顯然能夠有效地減少總下載時間。 <BR><BR> 為此，我們用DocumentWorker類封裝所有下載一個URL的操作。每當一個DocumentWorker的實例被創建，它就進入循環，等待下一個要處理的URL。下面是DocumentWorker的主循環： <BR><BR>while(!m_spider.Quit ){m_uri = m_spider.ObtainWork();m_spider.SpiderDone.WorkerBegin();string page = GetPage();if(page!=null)ProcessPage(page);m_spider.SpiderDone.WorkerEnd();}<BR><BR><BR><BR> 這個循環將一直運行，直至Quit標記被設置成了true（當用戶點擊"Cancel"按鈕時，Quit標記就被設置成true）。在循環之內，我們調用ObtainWork獲取一個URL。ObtainWork將一直等待，直到有一個URL可用--這要由其他線程解析文檔并尋找鏈接才能獲得。Done類利用WorkerBegin和WorkerEnd方法來確定何時整個下載操作已經完成。 <BR><BR> 從圖一可以看出，蜘蛛程序允許用戶自己確定要使用的線程數量。在實踐中，線程的最佳數量受許多因素影響。如果你的機器性能較高，或者有兩個處理器，可以設置較多的線程數量；反之，如果網絡帶寬、機器性能有限，設置太多的線程數量其實不一定能夠提高性能。 <BR><BR> 四、任務完成了嗎？ <BR><BR> 利用多個線程同時下載文件有效地提高了性能，但也帶來了線程管理方面的問題。其中最復雜的一個問題是：蜘蛛程序何時才算完成了工作？在這里我們要借助一個專用的類Done來判斷。 <BR><BR> 首先有必要說明一下"完成工作"的具體含義。只有當系統中不存在等待下載的URL，而且所有工作線程都已經結束其處理工作時，蜘蛛程序的工作才算完成。也就是說，完成工作意味著已經沒有等待下載和正在下載的URL。 <BR><BR> Done類提供了一個WaitDone方法，它的功能是一直等待，直到Done對象檢測到蜘蛛程序已完成工作。下面是WaitDone方法的代碼。 <BR><BR>public void WaitDone(){Monitor.Enter(this);while ( m_activeThreads>0 ){Monitor.Wait(this);}Monitor.Exit(this);}<BR><BR><BR><BR> WaitDone方法將一直等待，直到不再有活動的線程。但必須注意的是，下載開始的最初階段也沒有任何活動的線程，所以很容易造成蜘蛛程序一開始就立即停止的現象。為解決這個問題，我們還需要另一個方法WaitBegin來等待蜘蛛程序進入"正式的"工作階段。一般的調用次序是：先調用WaitBegin，再接著調用WaitDone，WaitDone將等待蜘蛛程序完成工作。下面是WaitBegin的代碼： <BR><BR>public void WaitBegin(){Monitor.Enter(this);while ( !m_started ){Monitor.Wait(this);}Monitor.Exit(this);}<BR><BR><BR><BR> WaitBegin方法將一直等待，直到m_started標記被設置。m_started標記是由WorkerBegin方法設置的。工作線程在開始處理各個URL之時，會調用WorkerBegin；處理結束時調用WorkerEnd。WorkerBegin和WorkerEnd這兩個方法幫助Done對象確定當前的工作狀態。下面是WorkerBegin方法的代碼： <BR><BR>public void WorkerBegin(){Monitor.Enter(this);m_activeThreads++;m_started = true;Monitor.Pulse(this);Monitor.Exit(this);}<BR><BR><BR><BR> WorkerBegin方法首先增加當前活動線程的數量，接著設置m_started標記，最后調用Pulse方法以通知（可能存在的）等待工作線程啟動的線程。如前所述，可能等待Done對象的方法是WaitBegin方法。每處理完一個URL，WorkerEnd方法會被調用： <BR><BR>public void WorkerEnd(){Monitor.Enter(this);m_activeThreads--;Monitor.Pulse(this);Monitor.Exit(this);}<BR><BR><BR><BR><BR><BR> WorkerEnd方法減小m_activeThreads活動線程計數器，調用Pulse釋放可能在等待Done對象的線程--如前所述，可能在等待Done對象的方法是WaitDone方法。 <BR><BR> 結束語：本文介紹了開發Internet蜘蛛程序的基礎知識，下面提供的源代碼將幫助你進一步深入理解本文的主題。這里提供的代碼非常靈活，你可以方便地將它用于自己的程序。<BR><BR>創建智能網絡蜘蛛——如何使用Java網絡對象和HTML對象(翻譯)<BR>作者：Mark O. Pendergast<BR><BR>原文：http://www.javaworld.com/javaworld/jw-11-2004/jw-1101-spider.html<BR><BR>摘要<BR>你是否想過創建自己的符合特定標準的網站數據庫呢？網絡蜘蛛，有時也稱為網絡爬蟲，是一些根據網絡鏈接從一個網站到另外一個網站，檢查內容和記錄位置的程序。商業搜索站點使用網絡蜘蛛豐富它們的數據庫，研究人員可以使用蜘蛛獲得相關的信息。創建自己的蜘蛛搜索的內容、主機和網頁特征，比如文字密度和內置的多媒體內容。這篇文章將告訴你如何使用Java的HTML和網絡類來創建你自己的功能強大的網絡蜘蛛。<BR><BR>這篇文章將介紹如何在標準Java網絡對象的基礎上創建一個智能的網絡蜘蛛。蜘蛛的核心是一個基于關鍵字/短語標準和網頁特征進行深入網絡搜索的遞歸程序。搜索過程在圖形上類似于JTree結構。我主要介紹的問題，例如處理相關的URL，防止循環引用和監視內存/堆棧使用。另外，我將介紹再訪問和分解遠程網頁中如何正確是用Java網絡對象。<BR><BR>● 蜘蛛示例程序<BR><BR>示例程序包括用戶界面類SpiderControl、網絡搜索類Spider，兩個用作創建JTree顯示結果的類UrlTreeNode和UrlNodeRenderer，和兩個幫助驗證用戶界面中數字輸入的類IntegerVerifier和VerifierListener。文章末尾的資源中有完整代碼和文檔的璉接。<BR><BR>SpiderControl界面由三個屬性頁組成，一個用來設置搜索參數，另一個顯示結果搜索樹(JTree)，第三個顯示錯誤和狀態信息，如圖1<BR><BR><BR><BR><BR>圖1 搜索參數屬性頁<BR><BR><BR>搜索參數包括訪問網站的最大數量，搜索的最大深度(鏈接到鏈接到鏈接)，關鍵字/短語列表，搜索的頂級主機，起始網站或者門戶。一旦用戶輸入了搜索參數，并按下開始按鈕，網絡搜索將開始，第二個屬性頁將顯示搜索的進度。<BR><BR><BR>圖2 搜索樹<BR><BR>一個Spider類的實例以獨立進程的方式執行網絡搜索。獨立進程的使用是為了SpiderControl模塊可以不斷更新搜索樹顯示和處理停止搜索按鈕。當Spider運行時，它不斷在第二個屬性頁中為JTree增加節點(UrlTreeNode)。包含關鍵字和短語的搜索樹節點以藍色顯示(UrlNodeRenderer)。<BR><BR>當搜索完成以后，用戶可以查看站點的統計，還可以用外部瀏覽器(默認是位于Program Files目錄的Internet Explorer)查看站點。統計包括關鍵字出現次數，總字符數，總圖片數和總鏈接數。<BR><BR>● Spider類<BR><BR>Spider類負責搜索給出起點(入口)的網絡，一系列的關鍵字和主機，和搜索深度和大小的限制。Spider繼承了Thread，所以可以以獨立線程運行。這允許SpiderControl模塊不斷更新搜索樹顯示和處理停止搜索按鈕。<BR><BR>構造方法接受包含對一個空的JTree和一個空的JtextArea引用的搜索參數。JTree被用作創建一個搜索過程中的分類站點記錄。這樣為用戶提供了可見的反饋，幫助跟蹤Spdier循環搜索的位置。JtextArea顯示錯誤和過程信息。<BR><BR>構造器將參數存放在類變量中，使用UrlNodeRenderer類初始化顯示節點的JTree。直到SpiderControl調用run()方法搜索才開始。<BR><BR>run()方法以獨立的線程開始執行。它首先判斷入口站點是否是一個Web引用(以http，ftp或者www開始)或是一個本地文件引用。它接著確認入口站點是否具有正確的符號，重置運行統計，接著調用searchWeb()開始搜索：<BR><BR>public void run()<BR>{<BR>DefaultTreeModel treeModel = (DefaultTreeModel)searchTree.getModel(); // get our model<BR>DefaultMutableTreeNode root = (DefaultMutableTreeNode)treeModel.getRoot();<BR>String urllc = startSite.toLowerCase();<BR>if(!urllc.startsWith("http://") && !urllc.startsWith("ftp://") &&<BR>!urllc.startsWith("www."))<BR><BR>{<BR>startSite = "file:///"+startSite; // Note you must have 3 slashes !<BR><BR>}<BR>else // Http missing ?<BR>if(urllc.startsWith("www."))<BR>{<BR>startSite = "http://"+startSite; // Tack on http:// <BR>}<BR><BR>startSite = startSite.replace('\\', '/'); // Fix bad slashes<BR>sitesFound = 0;<BR>sitesSearched = 0;<BR>updateStats();<BR>searchWeb(root,startSite); // Search the Web<BR>messageArea.append("Done!\n\n");<BR>}<BR><BR>searchWeb()是一個接受搜索樹父節點和搜索Web地址參數的遞歸方法。searchWeb()首先檢查給出的站點是否已被訪問和未被執行的搜索深度和站點。SearchWeb()接著允許SpiderControl運行(更新界面和檢查停止搜索按鈕是否按下)。如果所有正常，searchWeb()繼續，否則返回。<BR><BR>在searchWeb()開始讀和解析站點以前，它首先檢驗基于站點創建的URL對象是否具有正確的類型和主機。URL協議被檢查來確認它是一個HTML地址或者一個文件地址(不必搜索mailt和其他協議)。接著檢查文件擴展名(如果當前有)來確認它是一個HTML文件(不必解析pdf或者gif文件)。一旦這些工作完成，通過isDomainOk()方法檢查根據用戶指定的列表檢查主機：<BR><BR>...URL url = new URL(urlstr); // Create the URL object from a string.<BR>String protocol = url.getProtocol(); // Ask the URL for its protocol<BR>if(!protocol.equalsIgnoreCase("http") && !protocol.equalsIgnoreCase("file"))<BR>{<BR>messageArea.append(" Skipping : "+urlstr+" not a http site\n\n");<BR>return;<BR>}<BR><BR>String path = url.getPath(); // Ask the URL for its path<BR>int lastdot = path.lastIndexOf("."); // Check for file extension<BR>if(lastdot > 0)<BR>{<BR>String extension = path.substring(lastdot); // Just the file extension<BR>if(!extension.equalsIgnoreCase(".html") && !extension.equalsIgnoreCase(".htm"))<BR>return; // Skip everything but html files<BR>}<BR><BR>if(!isDomainOk(url))<BR><BR>{<BR><BR>messageArea.append(" Skipping : "+urlstr+" not in domain list\n\n");<BR>return;<BR>}<BR></p>
</div>
<div class="content">
<p align="center"><b>[1]</b> [<a href=/data/2006/0921/article_1570_1.htm>2</a>] </p>
</div>
<div class="content">
<p align="right">責任編輯 webmaster</p>
</div>
<div class="mainline"> </div>
<div class="maincolumn">
<div class="navadimg">
<script type="text/javascript"><!--
google_ad_client = "pub-4357927283882197";
google_ad_width = 728;
google_ad_height = 90;
google_ad_format = "728x90_as";
google_ad_type = "image";
google_ad_channel = "";
//--></script>
<script type="text/javascript"
src="http://pagead2.googlesyndication.com/pagead/show_ads.js">
</script>
</div>
</div>
<div class="content">
<p align="left"><b>相關鏈接</b><br>
?? 快捷鍵說明
復制代碼
Ctrl + C
搜索代碼
Ctrl + F
全屏模式
F11
切換主題
Ctrl + Shift + D
顯示快捷鍵
?
增大字號
Ctrl + =
減小字號
Ctrl + -