java爬蟲簡單一實例

標籤：put   row   out   讀取   mpi   reader   return   com   fan   

爬蟲的實質就是開啟網頁原始碼進行匹配尋找，然後擷取尋找到的結果。
/*
* 擷取
* 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方法字串相關聯。擷取要對字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串進行操作。
* boolean b = m.matches();
*/
package com.js.ai.modules.pointwall.testxfz;import java.io.BufferedReader;import java.io.FileReader;import java.io.IOException;import java.io.InputStreamReader;import java.net.MalformedURLException;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 List<String> getMailsByWeb() throws IOException{//1,讀取源檔案。URL url=new URL("http://www.cnblogs.com/Renyi-Fan/p/6896901.html");BufferedReader bufr=new BufferedReader(new InputStreamReader(url.openStream()));//2,對讀取的資料進行規則的匹配。從中擷取符合規則的資料.String mail_regex = "\\[email protected]\\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,將符合規則的資料存放區到集合中。list.add(m.group());}}return list;}public static List<String> getMails() throws IOException{//1,讀取源檔案。BufferedReader bufr=new BufferedReader(new FileReader("c:\\mail.html"));//2,對讀取的資料進行規則的匹配。從中擷取符合規則的資料.   String mail_regex = "\\[email protected]\\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,將符合規則的資料存放區到集合中。       list.add(m.group());     }   }return list;}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);}}}

　　

java爬蟲簡單一實例