• 重庆“轮椅教师”高位截瘫仍坚守讲台 2019-07-07
  • 百度车联网携手宝马 合作伙伴全面升级为国际OEM厂商 2019-07-01
  • 全面从严治党永远在路上——辽宁代表团开放日侧记 2019-07-01
  • 【学习时刻】华侨大学黄日涵:“一带一路”盛会开启合作发展新篇章 2019-06-24
  • 秒变迷弟!吴建豪晒与甄子丹合影:偶像给我签名 2019-06-20
  • 军统头目戴笠留下哪些巨额遗产 令蒋介石身边人惊诧 2019-06-20
  • 初春喝藿香汤 解表化湿,散寒温经 2019-06-18
  • 新华时评:磋商,不等于反复折腾 2019-06-09
  • 天山特克斯峡谷 中国国家地理网 2019-06-08
  • 端午小长假珠海口岸将迎双向客流高峰 2019-06-08
  • 王朝崩塌!恒大半个月内双线出局 卡帅敲响下课警钟 2019-06-07
  • 一周人事:国务院发布任免刘伟当选北京市总工会主席 2019-06-07
  • 敞篷式设计 日产聆风Open Car官图发布 2019-06-06
  • 习近平为传统文化“代言” 2019-06-05
  • 奋力谱写新时代追赶超越新篇章——访陕西省委书记胡和平 2019-06-04
  • 香港赛马会透特码彩图:使用正则表达式实现网页爬虫的思路详解

    香港赛马会网站惠泽社绝杀八码 www.mwcrz.tw  更新时间:2018年12月06日 12:35:43   作者:wyhluckydog   我要评论

    网页爬虫:就是一个程序用于在互联网中获取指定规则的数据。这篇文章主要介绍了使用正则表达式实现网页爬虫的思路详解,需要的朋友可以参考下

    网页爬虫:就是一个程序用于在互联网中获取指定规则的数据。

    思路:

    1.为模拟网页爬虫,我们可以现在我们的tomcat服务器端部署一个1.html网页。(部署的步骤:在tomcat目录的webapps目录的ROOTS目录下新建一个1.html。使用notepad++进行编辑,编辑内容为:

    在这里插入图片描述

    2.使用URL与网页建立联系
    3.获取输入流,用于读取网页中的内容
    4.建立正则规则,因为这里我们是爬去网页中的邮箱信息,所以建立匹配 邮箱的正则表达式:String regex="\[email protected]\w+(\.\w+)+";
    5.将提取到的数据放到集合中。

    代码:

    import java.io.BufferedReader;
    import java.io.InputStream;
    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;
    /*
     * 网页爬虫:就是一个程序用于在互联网中获取指定规则的数据
     * 
     * 
     */
    public class RegexDemo {
     public static void main(String[] args) throws Exception {
     
     List<String> list=getMailByWeb();
     for(String str:list){
     System.out.println(str);
     }
     
     }
     private static List<String> getMailByWeb() throws Exception {
     
     //1.与网页建立联系。使用URL
     String path="//localhost:8080//1.html";//后面写双斜杠是用于转义
     URL url=new URL(path);
     //2.获取输入流
     InputStream is=url.openStream();
     //加缓冲
     BufferedReader br=new BufferedReader(new InputStreamReader(is));
     //3.提取符合邮箱的数据
     String regex="\\[email protected]\\w+(\\.\\w+)+";
     //进行匹配
     //将正则规则封装成对象
     Pattern p=Pattern.compile(regex);
     //将提取到的数据放到一个集合中
     List<String> list=new ArrayList<String>();
     
     String line=null;
     while((line=br.readLine())!=null){
     //匹配器
     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;
     }
    }

    注意:在执行前需要先开启tomcat服务器

    运行结果:

    在这里插入图片描述

    总结

    以上所述是小编给大家介绍的使用正则表达式实现网页爬虫的思路详解,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持!

    相关文章

    最新评论

  • 重庆“轮椅教师”高位截瘫仍坚守讲台 2019-07-07
  • 百度车联网携手宝马 合作伙伴全面升级为国际OEM厂商 2019-07-01
  • 全面从严治党永远在路上——辽宁代表团开放日侧记 2019-07-01
  • 【学习时刻】华侨大学黄日涵:“一带一路”盛会开启合作发展新篇章 2019-06-24
  • 秒变迷弟!吴建豪晒与甄子丹合影:偶像给我签名 2019-06-20
  • 军统头目戴笠留下哪些巨额遗产 令蒋介石身边人惊诧 2019-06-20
  • 初春喝藿香汤 解表化湿,散寒温经 2019-06-18
  • 新华时评:磋商,不等于反复折腾 2019-06-09
  • 天山特克斯峡谷 中国国家地理网 2019-06-08
  • 端午小长假珠海口岸将迎双向客流高峰 2019-06-08
  • 王朝崩塌!恒大半个月内双线出局 卡帅敲响下课警钟 2019-06-07
  • 一周人事:国务院发布任免刘伟当选北京市总工会主席 2019-06-07
  • 敞篷式设计 日产聆风Open Car官图发布 2019-06-06
  • 习近平为传统文化“代言” 2019-06-05
  • 奋力谱写新时代追赶超越新篇章——访陕西省委书记胡和平 2019-06-04
  • 天津十一选五遗漏数据 江西时时彩历史记录 飞龙在天游戏 体彩浙江6十1 官网重庆时时彩开奖 云达不莱梅球服 仙侣奇缘2sf 钻石水果盘返水 四川时时彩有没有技巧 高频彩票技巧