IDC资讯中心
不知道为什么现在各大搜索引擎编码居然不一样.当然不是gb2312就是utf-8了.编码问题是比较头疼的问题…头疼的不要命…
我们获得关键词,一般是通过来访页面的url进行分析的.比如
http://www.google.com/search?hl=zh-cn&q=%e5%ad%a4%e7%8b%ac&lr=
各位肯定知道这个是通过urlencode编码的.
我们得到其中的信息,需要进行2步.第一步是进行urldecode,在我们普通参数活得的时候,这个是由asp自己来进行的,但是现在我们不得不进行手工解码.
网上函数很多,但都是针对于gb2312页面解gb2312.utf-8的.对于这个,我们可以很轻松的先进行解码,然后根据搜索引擎判断它的编码,如果是utf-8就再转换为gb2312.
但是由于我的网站是utf-8页面的.而utf-8页面我找到的只有解utf-8字符的urldecode编码的.在这里停顿了很久,最后我只能用最糟糕的方法,把拆分出来的关键词用xmlhttp提交到一个gb2312的asp页面,然后活得乱码(gb2312)后再进行gb2312 to utf-8的转换.
下面主要实现代码.
public function getsearchkeyword(refererurl) 搜索关键词
if refererurl=”” or len(refererurl)<1 then exit function
on error resume next
dim re
set re = new regexp
re.ignorecase = true
re.global = true
dim a,b,j
模糊查找关键词，此方法速度较快，范围也较大
re.pattern = “(word=([^&]*)|q=([^&]*)|p=([^&]*)|query=([^&]*)|name=([^&]*)|_searchkey=([^&]*)|baidu.*?w=([^&]*))”
set a = re.execute(refererurl)
if a.count>0 then
set b = a(a.count-1).submatches
for j=1 to b.count
if len(b(j))>0 then
if instr(1,refererurl,”google”,1) then
getsearchkeyword=trim(u8decode(b(j)))
elseif instr(1,refererurl,”yahoo”,1) then
getsearchkeyword=trim(u8decode(b(j)))
elseif instr(1,refererurl,”yisou”,1) then
getsearchkeyword=trim(getkey(b(j)))
elseif instr(1,refererurl,”3721″,1) then
getsearchkeyword=trim(getkey(b(j)))
else
getsearchkeyword=trim(getkey(b(j)))
end if
exit function
end if
next
end if
if err then
err.clear
getsearchkeyword = refererurl
else
getsearchkeyword = “”
end if
end function
function urlencoding(vstrin)
dim strreturn,i,thischr
strreturn = “”
for i = 1 to len(vstrin)
thischr = mid(vstrin,i,1)
if abs(asc(thischr)) < &hff then
strreturn = strreturn & thischr
else
innercode = asc(thischr)
if innercode < 0 then
innercode = innercode + &h10000
end if
hight8 = (innercode and &hff00)\ &hff
low8 = innercode and &hff
strreturn = strreturn & “%” & hex(hight8) & “%” & hex(low8)
end if
next
urlencoding = strreturn
end function
function getkey(key)
dim oreq
set oreq = createobject(“msxml2.xmlhttp”)
oreq.open “post”,”http://”&weburl&”/system/showgb2312xml.asp?a=”&key,false
oreq.send
getkey=utf2gb(oreq.responsetext)
end function
function chinese2unicode(str)
dim i
dim str_one
dim str_unicode
for i=1 to len(str)
str_one=mid(str,i,1)
str_unicode=str_unicode&chr(38)
str_unicode=str_unicode&chr(35)
str_unicode=str_unicode&chr(120)
str_unicode=str_unicode& hex(ascw(str_one))
str_unicode=str_unicode&chr(59)
next
response.write str_unicode
end function
function utf2gb(utfstr)
dim dig,gbstr
for dig=1 to len(utfstr)
if mid(utfstr,dig,1)=”%” then
if len(utfstr) >= dig+8 then
gbstr=gbstr & convchinese(mid(utfstr,dig,9))
dig=dig+8
else
gbstr=gbstr & mid(utfstr,dig,1)
end if
else
gbstr=gbstr & mid(utfstr,dig,1)
end if
next
utf2gb=gbstr
end function
function convchinese(x)
dim a,i,j,digs,unicode
a=split(mid(x,2),”%”)
i=0
j=0
for i=0 to ubound(a)
a(i)=c16to2(a(i))
next
for i=0 to ubound(a)-1
digs=instr(a(i),”0″)
unicode=””
for j=1 to digs-1
if j=1 then
a(i)=right(a(i),len(a(i))-digs)
unicode=unicode & a(i)
else
i=i+1
a(i)=right(a(i),len(a(i))-2)
unicode=unicode & a(i)
end if
next
if len(c2to16(unicode))=4 then
convchinese=convchinese & chrw(int(“&h” & c2to16(unicode)))
else
convchinese=convchinese & chr(int(“&h” & c2to16(unicode)))
end if
next
end function
function u8decode(enstr)
输入一堆有%分隔的字符串，先分成数组，根据utf8规则来判断补齐规则
输入:关 e5 85 b3 键 e9 94 ae 字 e5 ad 97
输出:关 b9d8 键 bcfc 字 d7d6
dim c,i,i2,v,destr,weis
for i=1 to len(enstr)
c=mid(enstr,i,1)
if c=”%” then
v=c16to2(mid(enstr,i+1,2))
判断第一次出现0的位置，
可能是1(单字节)，3(3-1字节)，4，5，6，7不可能是2和大于7
理论上到7，实际不会超过3。
weis=instr(v,”0″)
v=right(v,len(v)-weis)第一个去掉最左边的weis个
i=i+3
for i2=2 to weis-1
c=c16to2(mid(enstr,i+1,2))
c=right(c,len(c)-2)其余去掉最左边的两个
v=v & c
i=i+3
next
if len(c2to16(v)) =4 then
destr=destr & chrw(c2to10(v))
else
destr=destr & chr(c2to10(v))
end if
i=i-1
else
if c=”+” then
destr=destr&” “
else
destr=destr&c
end if
end if
next
u8decode = destr
end function
function c16to2(x)
这个函数是用来转换16进制到2进制的，可以是任何长度的，一般转换utf-8的时候是两个长度，比如a9
比如：输入“c2”，转化成“11000010”,其中1100是”c”是10进制的12（1100），那么2（10）不足4位要补齐成（0010）。
dim tempstr
dim i:i=0临时的指针
for i=1 to len(trim(x))
tempstr= c10to2(cint(int(“&h” & mid(x,i,1))))
do while len(tempstr)<4
tempstr=”0″ & tempstr如果不足4位那么补齐4位数
loop
c16to2=c16to2 & tempstr
next
end function
function c2to16(x)
2进制到16进制的转换，每4个0或1转换成一个16进制字母，输入长度当然不可能不是4的倍数了
dim i:i=1临时的指针
for i=1 to len(x) step 4
c2to16=c2to16 & hex(c2to10(mid(x,i,4)))
next
end function
function c2to10(x)
单纯的2进制到10进制的转换，不考虑转16进制所需要的4位前零补齐。
因为这个函数很有用！以后也会用到，做过通讯和硬件的人应该知道。
这里用字符串代表二进制
c2to10=0
if x=”0″ then exit function如果是0的话直接得0就完事
dim i:i=0临时的指针
for i= 0 to len(x) -1否则利用8421码计算，这个从我最开始学计算机的时候就会，好怀念当初教我们的谢道建老先生啊！
if mid(x,len(x)-i,1)=”1″ then c2to10=c2to10+2^(i)
next
end function
function c10to2(x)
10进制到2进制的转换
dim sign, result
result = “”
符号
sign = sgn(x)
x = abs(x)
if x = 0 then
c10to2 = 0
exit function
end if
do until x = “0”
result = result & (x mod 2)
x = x \ 2
loop
result = strreverse(result)
if sign = -1 then
c10to2 = “-” & result
else
c10to2 = result
end if
end function
function urldecode(enstr)
dim destr,strspecial
dim c,i,v
destr=””
strspecial=”!””#$%&()*+,/:;<=>?@[\]^`{ |}~%”
for i=1 to len(enstr)
c=mid(enstr,i,1)
if c=”%” then
v=eval(“&h”+mid(enstr,i+1,2))
if instr(strspecial,chr(v))>0 then
destr=destr&chr(v)
i=i+2
else
v=eval(“&h”+mid(enstr,i+1,2)+mid(enstr,i+4,2))
destr=destr&chr(v)
i=i+5
end if
else
if c=”+” then
destr=destr&” “
else
destr=destr&c
end if
end if
next
urldecode=destr
end function
许多代码都是网上的.找不到作者.
ps:现在暑假就要接受,由于家庭原因我不想留在我的城市.中考到达本地重点.不想说城市名字.否则会招来熟人.只要不在山东的学校算是重点的能不能联系下.
qq:32113739
对程序有极大兴趣,但信息奥赛只活得一等的x名.因为我认为技术不应该在所谓竞赛中体现,就如才能不应该在那些无意义的考试中体现一样.电子作品也弄了各省一等..不过也一般.学习一般…所以只要是一般重点就好了..只是不想在离家太近的地方.
现在asp十分熟练,虽然有些知识缺陷,比如编码问题(汗…),但是网络如此大,我想我不是只有在课本中才能得到所谓的知识.而且现在正在啃asp.net的书,如果贵校做网站完全可以帮忙.
对新技术十分狂热,虽然被他们称为审美有障碍的人.但我想看到结构偶的程序还不至于吐血.
算了..再贴点.
偶开发d database+asp ->xml+xslt->xhtml +css 的算是叫cms的东西
http://www.joysou.com
也用了csdn用的fck编辑器,今天上来才发现换了.不过那个fck的file系统让偶统统改掉.
这个系统在暑假结束前一定会发布.不过很多朋友说易用性有问题…很多人不会xslt.汗…
唉…如果找不到学校.我也许会漂泊,也许会消失吧.当然这不是威胁..只是恨我的城市,恨那里看到的,干过的一切.
