目前網頁采集多是3P代碼(3P是ASP，PHP，JSP)。易動易科技公司BBS中最具代表性的新聞采集系統，網上流傳的新浪新聞采集系統，都是ASP程序使用，但是理論上速度不是很好。用其他軟件嘗試多線程采集是不是更快？答案是肯定的。可以用DELPHI，VC，VB，JB，但是PB好像很難做。下面用DELPHI來說明網頁數據的收集。
首先，簡單的新聞采集
新聞采集最簡單，只要妳識別標題、副標題、作者、來源、日期、新聞主題、分頁。妳必須在采集之前獲取網頁的內容，所以在DELPHI中添加idHTTP控件(在indy Clients面板中)，然後使用idHTTP1。獲取網頁內容的GET方法。聲明如下:
函數Get(AURL:string):string；超載；
AURL參數，字符串類型，指定URL地址字符串。該函數返回壹個字符串，該字符串返回網頁的HTML源文件。例如，我們可以這樣稱呼:
tmpStr:= idHTTP1。get(“”& gt；
& ltmeta name = " GENERATOR " content = " Microsoft front page 5.0 " >
& ltmeta name = " ProgId " content = " front page。Editor.Document " >
& ltmeta/test . htm’)；將網頁代碼保存在strsource變量中。
然後定義strTitle，strAuthor，strCopyFrom，strContent:
strTitle:= GetStr(StrSource，' & ltp align="center " >& ltb & gt'，' & lt/b & gt；& lt/p & gt；'):
strAuthor:= GetStr(StrSource，' & lttr & gt& lttd width="60% " >，' & lt/TD & gt；'):
strCopyFrom:= GetStr(StrSource，' & lttd width="40% " >，' & lt/TD & gt；& lt/tr & gt；'):
strContent:= GetStr(StrSource，' & ltp & gt& ltfont size="2 " >，' & lt/font & gt；& lt/p & gt；'):
這樣就可以將文章的標題、副標題、作者、來源、日期、內容、分頁分別存儲在上述變量中。
第二步，循環打開下壹頁，獲取內容並添加到strContent變量中。
StrSource:= idHTTP1。get(' new _ ne . ASP ')；
str content:= str content+GetStr(StrSource，' & ltp & gt& ltfont size="2 " >，' & lt/font & gt；& lt/p & gt；'):
然後判斷是否有下壹頁，如果有，則獲取下壹頁的內容。
這就完成了壹個簡單的攔截過程。從上面的程序代碼可以看出，我們使用的所有攔截方法都是為了找到被攔截內容的首尾。如果有多個頭和尾呢？好像沒有辦法，只會找到第壹個，所以妳要核實壹下這個截取內容的正反面是不是只有壹個地方，再去找。
-
希望能給妳壹些幫助:)