Java爬蟲
一、代碼
爬蟲的實質就是打開網頁源代碼進行匹配查找,然後獲取查找到的結果。
打開網頁:
URL url = new URL(http://www.cnblogs.com/Renyi-Fan/p/6896901.html);
讀取網頁內容:
BufferedReader bufr = new BufferedReader(new InputStreamReader(url.openStream()));
正則表達式進行匹配:
tring mail_regex = "\\w+@\\w+(\\.\\w+)+";
儲存結果:
List<String> list = new ArrayList<String>();
/*
* 獲取
* 將正則規則進行對象的封裝。
* Pattern p = Pattern.compile("a*b");
* //通過正則對象的matcher方法字符串相關聯。獲取要對字符串操作的匹配器對象Matcher .
* Matcher m = p.matcher("aaaaab");
* //通過Matcher匹配器對象的方法對字符串進行操作。
* boolean b = m.matches();
*/
import java.io.BufferedReader; import java.io.FileNotFoundException; import java.io.FileReader; import java.io.IOException; import java.io.InputStreamReader; import java.net.URL; import java.util.ArrayList; import java.util.List; import java.util.regex.Matcher; import java.util.regex.Pattern; public class Spider { public static void main(String[] args) throws IOException { // List<String> list = getMails(); // for(String mail : list){ // System.out.println(mail); // } List<String> list = getMailsByWeb(); for(String mail : list){ System.out.println(mail); } } public static List<String> getMailsByWeb() throws IOException{ //1,讀取源文件。 //URL url = new URL("http://192.168.1.100:8080/myweb/mail.html"); //URL url = new URL("http://localhost:8080/SecondWeb/index.jsp"); URL url = new URL("http://www.cnblogs.com/Renyi-Fan/p/6896901.html"); BufferedReader bufr = new BufferedReader(new InputStreamReader(url.openStream())); //2,對讀取的數據進行規則的匹配。從中獲取符合規則的數據. String mail_regex = "\\w+@\\w+(\\.\\w+)+"; List<String> list = new ArrayList<String>(); Pattern p = Pattern.compile(mail_regex); String line = null; while((line=bufr.readLine())!=null){ Matcher m = p.matcher(line); while(m.find()){ //3,將符合規則的數據存儲到集合中。 list.add(m.group()); } } return list; } public static List<String> getMails() throws IOException{ //1,讀取源文件。 BufferedReader bufr = new BufferedReader(new FileReader("c:\\mail.html")); //2,對讀取的數據進行規則的匹配。從中獲取符合規則的數據. String mail_regex = "\\w+@\\w+(\\.\\w+)+"; List<String> list = new ArrayList<String>(); Pattern p = Pattern.compile(mail_regex); String line = null; while((line=bufr.readLine())!=null){ Matcher m = p.matcher(line); while(m.find()){ //3,將符合規則的數據存儲到集合中。 list.add(m.group()); } } return list; } }
二、運行結果
[email protected] [email protected]
感謝閱讀,希望能幫助到大家,謝謝大家對本站的支持!