JAVA抓取网页的图片,JAVA利用正则表达式抓取网站图片

利用Java抓取网页上的所有图片：

用两个正则表达式：

1、匹配html中img标签的正则：<img.*src=(.*?)[^>]*?>

2、匹配img标签中得src中http路径的正则：http:\"?(.*?)(\"|>|\\s+)

实现：

[java] view plain copy

 print?

1. package org.swinglife.main;  
2.   
3. import java.io.File;  
4. import java.io.FileOutputStream;  
5. import java.io.InputStream;  
6. import java.net.URL;  
7. import java.net.URLConnection;  
8. import java.util.ArrayList;  
9. import java.util.List;  
10. import java.util.regex.Matcher;  
11. import java.util.regex.Pattern;  
12.   
13. /*** 
14.  * java抓取网络图片 
15.  * @author swinglife 
16.  * 
17.  */  
18. public class CatchImage {  
19.   
20.     // 地址  
21.     private static final String URL = "http://www.csdn.net";  
22.     // 编码  
23.     private static final String ECODING = "UTF-8";  
24.     // 获取img标签正则  
25.     private static final String IMGURL_REG = "<img.*src=(.*?)[^>]*?>";  
26.     // 获取src路径的正则  
27.     private static final String IMGSRC_REG = "http:\"?(.*?)(\"|>|\\s+)";  
28.   
29.       
30.     public static void main(String[] args) throws Exception {  
31.         CatchImage cm = new CatchImage();  
32.         //获得html文本内容  
33.         String HTML = cm.getHTML(URL);  
34.         //获取图片标签  
35.         List<String> imgUrl = cm.getImageUrl(HTML);  
36.         //获取图片src地址  
37.         List<String> imgSrc = cm.getImageSrc(imgUrl);  
38.         //下载图片  
39.         cm.Download(imgSrc);  
40.     }  
41.       
42.       
43.     /*** 
44.      * 获取HTML内容 
45.      *  
46.      * @param url 
47.      * @return 
48.      * @throws Exception 
49.      */  
50.     private String getHTML(String url) throws Exception {  
51.         URL uri = new URL(url);  
52.         URLConnection connection = uri.openConnection();  
53.         InputStream in = connection.getInputStream();  
54.         byte[] buf = new byte[1024];  
55.         int length = 0;  
56.         StringBuffer sb = new StringBuffer();  
57.         while ((length = in.read(buf, 0, buf.length)) > 0) {  
58.             sb.append(new String(buf, ECODING));  
59.         }  
60.         in.close();  
61.         return sb.toString();  
62.     }  
63.   
64.     /*** 
65.      * 获取ImageUrl地址 
66.      *  
67.      * @param HTML 
68.      * @return 
69.      */  
70.     private List<String> getImageUrl(String HTML) {  
71.         Matcher matcher = Pattern.compile(IMGURL_REG).matcher(HTML);  
72.         List<String> listImgUrl = new ArrayList<String>();  
73.         while (matcher.find()) {  
74.             listImgUrl.add(matcher.group());  
75.         }  
76.         return listImgUrl;  
77.     }  
78.   
79.     /*** 
80.      * 获取ImageSrc地址 
81.      *  
82.      * @param listImageUrl 
83.      * @return 
84.      */  
85.     private List<String> getImageSrc(List<String> listImageUrl) {  
86.         List<String> listImgSrc = new ArrayList<String>();  
87.         for (String image : listImageUrl) {  
88.             Matcher matcher = Pattern.compile(IMGSRC_REG).matcher(image);  
89.             while (matcher.find()) {  
90.                 listImgSrc.add(matcher.group().substring(0, matcher.group().length() - 1));  
91.             }  
92.         }  
93.         return listImgSrc;  
94.     }  
95.   
96.     /*** 
97.      * 下载图片 
98.      *  
99.      * @param listImgSrc 
100.      */  
101.     private void Download(List<String> listImgSrc) {  
102.         try {  
103.             for (String url : listImgSrc) {  
104.                 String imageName = url.substring(url.lastIndexOf("/") + 1, url.length());  
105.                 URL uri = new URL(url);  
106.                 InputStream in = uri.openStream();  
107.                 FileOutputStream fo = new FileOutputStream(new File(imageName));  
108.                 byte[] buf = new byte[1024];  
109.                 int length = 0;  
110.                 System.out.println("开始下载:" + url);  
111.                 while ((length = in.read(buf, 0, buf.length)) != -1) {  
112.                     fo.write(buf, 0, length);  
113.                 }  
114.                 in.close();  
115.                 fo.close();  
116.                 System.out.println(imageName + "下载完成");  
117.             }  
118.         } catch (Exception e) {  
119.             System.out.println("下载失败");  
120.         }  
121.     }  
122.   
123.       
124. }