web
来源:互联网 发布:电子商务协同算法 编辑:程序博客网 时间:2024/05/21 08:19
/*网页爬虫
*
* 爬邮箱、爬关键字
*
* 爬邮箱、爬关键字
* */
/* 1、读取文件
2、对读取的数据进行规则匹配,从中获取符合规则的数据
3、将符合规则的数据储存到集合中*/
- package regexTest;
- import java.io.BufferedReader;
- import java.io.FileNotFoundException;
- import java.io.FileReader;
- 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;
- /**
- * @author Administrator Alt+Shift+j
- *
- */
- /*网页爬虫
- *
- * 爬邮箱、爬关键字
- * */
- public class RegexTest {
- public static void main(String[] args){
- try {
- List<String> list=getMail();
- System.out.println("爬到的资源");
- for(String mail:list){
- System.out.println("====>"+mail);
- }
- } catch (Exception e) {
- // TODO Auto-generated catch block
- e.printStackTrace();
- }
- }
- /////////////////////////////////////////////
- /* 1、读取文件
- 2、对读取的数据进行规则匹配,从中获取符合规则的数据
- 3、将符合规则的数据储存到集合中*/
- public static List<String> getMail() throws Exception{
- ///从本地文件中爬
- //BufferedReader br=new BufferedReader(new FileReader("d:\\mail.html"));
- ///从网络文件中爬
- URL url=new URL("http://www.hao123.com/index.html");
- BufferedReader br=new BufferedReader(new InputStreamReader(url.openStream()));
- String mail_regex="\\w+@\\w+(\\.\\w+)+";///邮箱的匹配规则
- Pattern p =Pattern.compile(mail_regex);//将规则封装成对象
- List<String> list=new ArrayList<String>();
- String line=null;
- while((line=br.readLine())!=null){
- Matcher m=p.matcher(line);//一行一行地进行匹配
- while(m.find()){
- //m.group()找到就放进组里
- list.add(m.group());
- }
- }
- return list;
- }
- }
- web
- web
- web
- web
- web
- web
- web
- web
- WEB
- web
- web
- WEB
- web
- web
- Web
- web
- web
- web
- jquery选择器之属性选择器
- 如何进行android NDK开发
- 做领导最重要的是心胸宽广
- gettimeofday()函数的使用方法
- org.eclipse.emf.ecore.xmi.FeatureNotFoundException: Feature 'taglib' not found
- web
- ios中16进制转10进制
- Resource及其子类的分析
- asdf
- Uglifyjs入门
- Android 之 下拉框(Spinner)的使用
- BSTR
- 获取工程图每个视图的比例,写入iProperties
- unix高级编程下apue.h安装