福彩快3开奖结果北京:使用正则表达式实现网页爬虫的思路详解

北京快三走势图 www.mxld9.cn  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

  • 150秒!速览习主席青岛峰会精彩瞬间 2019-03-21
  • 只有黑社会才会拉帮结派, 2019-03-21
  • 喜过端午:纽约华侨华人包粽子诵《离骚》赛龙舟 2019-03-20
  • 工程与时间赛跑 质量与进度齐抓 2019-03-19
  • 长城新媒体集团基本情况简介 2019-03-18
  • 重资“血拼”当心酿成内伤 2019-03-18
  • “超级连接”助力博物馆新发展(1) 2019-03-17
  • 【理上网来·喜迎十九大】扶贫也创新!十八大以来年均减贫人数超1300万 获历史突破 2019-03-17
  • 王子文再登封面 黑白光影间酷女孩玩转高级时尚 2019-03-16
  • 不忘初心继续前进——七集政论专题片 2019-03-15
  • 推动形成全面开放新格局 开启新时代开放新征程 2019-03-15
  • 听听 海底的“动静” 2019-03-14
  • 黄嘉刚:《费墨车话》 2019-03-13
  • 畅想——未来的人民日报 2019-03-12
  • 回复@不能这样啊:不谋生就不能谋自我实现啊?你以为都跟瓜娃子一样只相反谋生? 2019-03-11
  • 282| 877| 974| 975| 646| 174| 202| 34| 514| 407|