閑暇之余，小哥我愛(ài)泡在天涯論壇上看帖，最常逛的就是煮酒論史和經(jīng)濟(jì)雜談。
天涯就像一個(gè)熱鬧的大茶館，泡上一杯熱茶，放著自己喜歡的音樂(lè)，悠然的點(diǎn)開(kāi)自己關(guān)注的帖子。巴特，廣告，吵雜的頂貼讓小哥我悠閑的心情大打折扣。
從開(kāi)始的無(wú)視，到后來(lái)的忍受，到最后的爆發(fā)，小哥我終于憤怒了——難道就沒(méi)有一款好用的工具嗎？
百度、谷歌、必硬之，結(jié)果都不滿意。
奶奶的，咱好歹也是一寫程序的，不就是一個(gè)抓帖子的小軟件嗎？小哥自己搗鼓一個(gè)！
經(jīng)過(guò)5天的分析，編碼，測(cè)試，終于，小哥我滿意的笑了。
抓貼截圖：
這里提供下載，希望能夠幫助同是天涯客一點(diǎn)小忙。如果發(fā)現(xiàn)了BUG，或者有好的建議，一定要告訴小哥我哦，呵呵。
已經(jīng)在XP，2003，WIN7下測(cè)試過(guò)，解壓即可運(yùn)行。
最新版本：1.0 beta3 （圖不再更新了，等v1.0正式版推出，代碼一并提供）
點(diǎn)擊下載
既然有人想要代碼，那么等程序版本穩(wěn)定了，代碼一定奉上，到時(shí)候別嫌小哥我代碼寫的臭哈，呵呵。
=======================[2011.3.28]=============================
額，實(shí)在是抱歉，大腦一發(fā)熱這玩意就整出來(lái)了，可是熱情一消散，加上最近挺忙，小哥立即跟泄了氣的皮球一樣，再也不想去碰這東西。
其實(shí)在使用的時(shí)候也發(fā)現(xiàn)不少BUG，還有不少網(wǎng)友提出很多頗有建設(shè)性的建議和意見(jiàn)，我覺(jué)得都很好，但是，整個(gè)人就是懶得去修復(fù)和新增新的功能，1.0正式版也不會(huì)再出（至少是在我手上不會(huì)出了）。
不少網(wǎng)友想要代碼，其實(shí)代碼的原理和流程非常簡(jiǎn)單，小哥覺(jué)得說(shuō)破了就是哄人的小把戲，可能大家沒(méi)有忘這方面想把：）。
我想我還是在提供代碼之前就代碼原理和路程先啰嗦幾句吧：
1）利用IHTMLDocument2獲取網(wǎng)頁(yè)信息；
2）根據(jù)天涯帖子的格式內(nèi)容（分析網(wǎng)頁(yè)得出），解析、獲取、修改需要網(wǎng)頁(yè)信息內(nèi)容，移除不需要的內(nèi)容比如廣告之類；
3）將已經(jīng)重新構(gòu)造的html數(shù)據(jù)流保存為相應(yīng)的文件（html或者txt）。
整理出來(lái)的一些還未實(shí)現(xiàn)的新功能和有待改善的地方：
1）指定頁(yè)面抓取（很簡(jiǎn)單，含有頁(yè)面跳轉(zhuǎn)按鈕時(shí)你會(huì)發(fā)現(xiàn)天涯的程序員把所有分頁(yè)的鏈接全部按順序隱藏到了html代碼里，稍加遍歷就可得到）
2）分頁(yè)合并，將多個(gè)分頁(yè)的內(nèi)容合并到一個(gè)分頁(yè)里面
3）自動(dòng)跟蹤抓取，記錄用戶已經(jīng)抓取的帖子和頁(yè)數(shù)，以后從這個(gè)地方自動(dòng)抓取，很實(shí)用的功能吧：）
4）刪除回復(fù)某人的帖子冗余內(nèi)容（比如，LZ回復(fù)某用戶通常是：
作者：xxxx 回復(fù)日期：2011-02-11 14:47:36
LZ這帖子寫的也忒好了！
=========
謝謝)
5）自動(dòng)回帖，這個(gè)功能太邪惡鳥(niǎo)，其實(shí)實(shí)現(xiàn)起來(lái)也灰常簡(jiǎn)單（原理不透露也不要問(wèn)我，自己慢慢琢磨和分析天涯的html的代碼就明白了）
6）多線程抓取，當(dāng)前為一個(gè)線程抓，貌似有點(diǎn)慢- -
7）。。。很多細(xì)微的功能，不一一道出了，感興趣的拿到代碼自己嘗試去吧。
已經(jīng)發(fā)現(xiàn)的BUG：
1）極少數(shù)帖子會(huì)導(dǎo)致無(wú)法抓取，原因是IHTMLDocument2無(wú)法順利下載頁(yè)面，程序無(wú)法收到FINISH消息，導(dǎo)致掛死，只能終止程序，原因小哥還沒(méi)弄清楚，熱切盼望懂的哥們給個(gè)解答，感激涕零！！
2）部分帖子，比如上了紅黑板的（就是標(biāo)題顏色為紅臉或者黑臉，而且前面還有相顏色的小人笑臉標(biāo)記的帖子），HTML格式和通常的不一樣，導(dǎo)致抓取不到帖子實(shí)質(zhì)內(nèi)容，很好改的
3）IE6內(nèi)核的瀏覽器脫機(jī)瀏覽抓取的帖子會(huì)變形，CSS文件導(dǎo)致，也比較好改
目前發(fā)現(xiàn)的就這么多。
廢話了這么多，希望的就是有能力有時(shí)間有興趣的同學(xué)可以搞個(gè)好用的抓取工具來(lái)，我也好偷懶享享福：）。
代碼倉(cāng)促完成，里面有大段C-V的重復(fù)代碼，也懶得改了，畢竟這是一個(gè)小玩具而已，對(duì)吧？
代碼已經(jīng)提交到在googlecode上，注意，svn checkout需要密碼，而獲取密碼那個(gè)鏈接被Q掉了，記得先翻Q把密碼搞到手(qiang在c++ blog上盡然是一個(gè)違禁字，OMG, 偉大的天……朝！)。
代碼本來(lái)想隨便用的，國(guó)人對(duì)版權(quán)木有概念，后來(lái)想想，算了，還是GPL吧，共同學(xué)習(xí)而已，感興趣的同學(xué)可以修改維護(hù)該代碼，你可以聯(lián)系我: yzljlss#126.com，我把你加到開(kāi)發(fā)者列表里。你也可以自己另起爐灶，公不公布源代碼木有關(guān)系，記得好用的工具給我郵一個(gè)呀：）
google code 主頁(yè)：http://code.google.com/p/ty-bbs-capture/
代碼版權(quán)：GPL
最后de呼喚：有好用的抓取工具記得一定要給小哥我U一個(gè)！