[Java]知乎下巴第4集：再把抓到篮子里的知乎塞到硬盘里吧

来源：互联网发布：linux search文档编辑：程序博客网时间：2024/04/30 13:15

上一回我们说到了如何把知乎的某些内容爬取出来，那么这一回我们就说说怎么把这些内容存储到本地吧。

说到Java的本地存储，肯定使用IO流进行操作。

首先，我们需要一个创建文件的函数createNewFile：

public static boolean createNewFile(String filePath) {boolean isSuccess = true;// 如有则将"\\"转为"/",没有则不产生任何变化String filePathTurn = filePath.replaceAll("\\\\", "/");// 先过滤掉文件名int index = filePathTurn.lastIndexOf("/");String dir = filePathTurn.substring(0, index);// 再创建文件夹File fileDir = new File(dir);isSuccess = fileDir.mkdirs();// 创建文件File file = new File(filePathTurn);try {isSuccess = file.createNewFile();} catch (IOException e) {isSuccess = false;e.printStackTrace();}return isSuccess;}

然后，我们需要一个写入文件的函数：

public static boolean writeIntoFile(String content, String filePath,boolean isAppend) {boolean isSuccess = true;// 先过滤掉文件名int index = filePath.lastIndexOf("/");String dir = filePath.substring(0, index);// 创建除文件的路径File fileDir = new File(dir);fileDir.mkdirs();// 再创建路径下的文件File file = null;try {file = new File(filePath);file.createNewFile();} catch (IOException e) {isSuccess = false;e.printStackTrace();}// 写入文件FileWriter fileWriter = null;try {fileWriter = new FileWriter(file, isAppend);fileWriter.write(content);fileWriter.flush();} catch (IOException e) {isSuccess = false;e.printStackTrace();} finally {try {if (fileWriter != null)fileWriter.close();} catch (IOException e) {e.printStackTrace();}}return isSuccess;}

我们把这两个函数封装到一个FileReaderWriter.java文件中以便后续使用。

接着我们回到知乎爬虫中。

我们需要给知乎的Zhihu封装类加个函数，用来格式化写入到本地时的排版。

public String writeString() {        String result = "";        result += "问题：" + question + "\r\n";        result += "描述：" + questionDescription + "\r\n";        result += "链接：" + zhihuUrl + "\r\n";        for (int i = 0; i < answers.size(); i++) {            result += "回答" + i + "：" + answers.get(i) + "\r\n";        }        result += "\r\n\r\n";        return result;}

OK，这样就差不多了，接下来吧mian方法中的System.out.println改成

// 写入本地for (Zhihu zhihu : myZhihu) {FileReaderWriter.writeIntoFile(zhihu.writeString(),"D:/知乎_编辑推荐.txt", true);}

运行，便可以看到本来在控制台看到的内容已经被写到了本地的txt文件里：

大体一看没什么问题，仔细看看发现问题：存在太多的html标签，主要是<b>和<br>。

我们可以在输出的时候对这些标记进行处理。

先把<br>换成io流里面的\r\n，再把所有的html标签都删除，这样看起来便会清晰很多。

public String writeString() {// 拼接写入本地的字符串String result = "";result += "问题：" + question + "\r\n";result += "描述：" + questionDescription + "\r\n";result += "链接：" + zhihuUrl + "\r\n";for (int i = 0; i < answers.size(); i++) {result += "回答" + i + "：" + answers.get(i) + "\r\n\r\n";}result += "\r\n\r\n\r\n\r\n";// 将其中的html标签进行筛选result = result.replaceAll("<br>", "\r\n");result = result.replaceAll("<.*?>", "");return result;}

这里的replaceAll函数可以使用正则，于是所有的<>标签在最后就都被删除了。

改进之后的效果明显好了很多，可惜CSDN的图突然挂了。。

目前的项目托管在了CSDN的CODE上面（类似于GitHub）：

https://code.csdn.net/wxg694175346/zhihudown

9 0