java 爬虫详解及简单实例

一、代码

爬虫的实质就是打开网页源代码进行匹配查找，然后获取查找到的结果。

打开网页：

1	`URL url =` `new` `URL(http://www.cnblogs.com/Renyi-Fan/p/6896901.html);`

读取网页内容：

1	`BufferedReader bufr =` `new` `BufferedReader(new` `InputStreamReader(url.openStream()));`

正则表达式进行匹配：

1	`tring mail_regex =` `"\\\\w+@\\\\w+(\\\\.\\\\w+)+";`

储存结果：

1	`List<String> list =` `new` `ArrayList<String>();`

/*
* 获取
* 将正则规则进行对象的封装。
* Pattern p = Pattern.compile("a*b");
* //通过正则对象的matcher方法字符串相关联。获取要对字符串操作的匹配器对象Matcher .
* Matcher m = p.matcher("aaaaab");
* //通过Matcher匹配器对象的方法对字符串进行操作。
* 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,读取源文件。

//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,对读取的数据进行规则的匹配。从中获取符合规则的数据.

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,将符合规则的数据存储到集合中。

list.add(m.group());

}

return list;

}

public static List<String> getMails() throws IOException{

//1,读取源文件。

BufferedReader bufr = new BufferedReader(new FileReader("c:\\\\mail.html"));

//2,对读取的数据进行规则的匹配。从中获取符合规则的数据.

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,将符合规则的数据存储到集合中。

list.add(m.group());

}

return list;

}

二、运行结果

java 爬虫详解及简单实例

相关文章

快网idc优惠网

相关文章

微信

快网idc优惠网

QQ交流群