return matcher.matches();
}
/**
-
创建对应文件
-
@param content
-
@param urlPath
*/
public static void createFile(String content, String urlPath) {
/* 分割url */
String[] elems = divUrl(urlPath);
StringBuffer path = new StringBuffer();
File file = null;
for (int i = 1; i < elems.length; i++) {
if (i != elems.length - 1) {
path.append(elems[i]);
path.append(File.separator);
file = new File(“D:” + File.separator + path.toString());
}
if (i == elems.length - 1) {
Pattern pattern = Pattern.compile(“\w+\.[a-zA-Z]+”);
Matcher matcher = pattern.matcher(elems[i]);
if ((matcher.matches())) {
if (!file.exists()) {
file.mkdirs();
}
String[] fileName = elems[i].split(“\.”);
file = new File(“D:” + File.separator + path.toString()
- File.separator + fileName[0] + “.txt”);
try {
file.createNewFile();
writer = new BufferedWriter(new OutputStreamWriter(
new FileOutputStream(file)));
writer.write(content);
writer.flush();
writer.close();
System.out.println(“创建文件成功”);
} catch (IOException e) {
e.printStackTrace();
}
}
}
}
}
/**
-
获取页面的超链接并将其转换为正式的A标签
-
@param href
-
@return
*/
public static String getHrefOfInOut(String href) {
/* 内外部链接最终转化为完整的链接格式 */
String resultHref = null;
/* 判断是否为外部链接 */
if (href.startsWith(“http://”)) {
resultHref = href;
} else {
/* 如果是内部链接,则补充完整的链接地址,其他的格式忽略不处理,如:a href=“#” */
if (href.startsWith(“/”)) {
resultHref = “http://www.oschina.net” + href;
}
}
return resultHref;
}
/**
-
截取网页网页源文件的目标内容
-
@param content
-
@return
*/
public static String getGoalContent(String content) {
int sign = content.indexOf(“<pre class=”");
String signContent = content.substring(sign);
int start = signContent.indexOf(“>”);
int end = signContent.indexOf(“”);
return signContent.substring(start + 1, end);
}
/**
-
检查网页源文件中是否有目标文件
-
@param content
-
@return
*/
public static int isHasGoalContent(String content) {
return content.indexOf(“<pre class=”");
}
}
HrefOfPage.java 此类为获取页面的超链接
package com.sreach.spider;
/**
-
@author binghe
*/
public class HrefOfPage {
/**
- 获得页面源代码中超链接
*/
public static void getHrefOfContent(String content) {
System.out.println(“开始”);
String[] contents = content.split(“<a href=”");
for (int i = 1; i < contents.length; i++) {
int endHref = contents[i].indexOf(“”");
String aHref = FunctionUtils.getHrefOfInOut(contents[i].substring(
0, endHref));
if (aHref != null) {
String href = FunctionUtils.getHrefOfInOut(aHref);
if (!UrlQueue.isContains(href)
&& href.indexOf(“/code/explore”) != -1
&& !VisitedUrlQueue.isContains(href)) {
UrlQueue.addElem(href);
}
}
}
System.out.println(UrlQueue.size() + “–抓取到的连接数”);
System.out.println(VisitedUrlQueue.size() + “–已处理的页面数”);
}
}
UrlDataHanding.java 此类主要是从未访问队列中获取url,下载页面,分析url,保存已访问url等操作,实现Runnable接口
package com.sreach.spider;
/**
-
@author binghe
*/
public class UrlDataHanding implements Runnable {
/**
-
下载对应页面并分析出页面对应的URL放在未访问队列中。
-
@param url
*/
public void dataHanding(String url) {
HrefOfPage.getHrefOfContent(DownloadPage.getContentFormUrl(url));
}
public void run() {
while (!UrlQueue.isEmpty()) {
dataHanding(UrlQueue.outElem());
}
}
}
UrlQueue.java 此类主要是用来存放未访问的URL队列
package com.sreach.spider;
import java.util.LinkedList;
/**
-
@author binghe
*/
public class UrlQueue {
/** 超链接队列 */
public static LinkedList urlQueue = new LinkedList();
/** 队列中对应最多的超链接数量 */
public static final int MAX_SIZE = 10000;
public synchronized static void addElem(String url) {
urlQueue.add(url);
}
public synchronized static String outElem() {
return urlQueue.removeFirst();
}
public synchronized static boolean isEmpty() {
return urlQueue.isEmpty();
}
public static int size() {
return urlQueue.size();
}
public static boolean isContains(String url) {
return urlQueue.contains(url);
}
}
VisitedUrlQueue.java 主要是保存已访问过的URL,使用HashSet来保存,主要是考虑到每个访问过的URL是不同。HashSet刚好符合这个要求
package com.sreach.spider;
import java.util.HashSet;
/**
-
已访问url队列
-
@author binghe
*/
public class VisitedUrlQueue {
public static HashSet visitedUrlQueue = new HashSet();
public synchronized static void addElem(String url) {
visitedUrlQueue.add(url);
}
public synchronized static boolean isContains(String url) {
return visitedUrlQueue.contains(url);
}
public synchronized static int size() {
return visitedUrlQueue.size();
}
}
Test.java 此类为测试类
import java.sql.SQLException;
import com.sreach.spider.UrlDataHanding;
import com.sreach.spider.UrlQueue;
/**
-
@author binghe
*/
public class Test {
public static void main(String[] args) throws SQLException {
String url = “http://www.oschina.net/code/explore/achartengine/client/AndroidManifest.xml”;
String url1 = “http://www.oschina.net/code/explore”;
String url2 = “http://www.oschina.net/code/explore/achartengine”;
String url3 = “http://www.oschina.net/code/explore/achartengine/client”;
UrlQueue.addElem(url);
UrlQueue.addElem(url1);
UrlQueue.addElem(url2);
UrlQueue.addElem(url3);
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数同学面临毕业设计项目选题时,很多人都会感到无从下手,尤其是对于计算机专业的学生来说,选择一个合适的题目尤为重要。因为毕业设计不仅是我们在大学四年学习的一个总结,更是展示自己能力的重要机会。
因此收集整理了一份《2024年计算机毕业设计项目大全》,初衷也很简单,就是希望能够帮助提高效率,同时减轻大家的负担。
既有Java、Web、PHP、也有C、小程序、Python等项目供你选择,真正体系化!
由于项目比较多,这里只是将部分目录截图出来,每个节点里面都包含素材文档、项目源码、讲解视频
如果你觉得这些内容对你有帮助,可以添加VX:vip1024c (备注项目大全获取)
介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。**
深知大多数同学面临毕业设计项目选题时,很多人都会感到无从下手,尤其是对于计算机专业的学生来说,选择一个合适的题目尤为重要。因为毕业设计不仅是我们在大学四年学习的一个总结,更是展示自己能力的重要机会。
因此收集整理了一份《2024年计算机毕业设计项目大全》,初衷也很简单,就是希望能够帮助提高效率,同时减轻大家的负担。
[外链图片转存中…(img-U9TMzLtm-1712556987887)]
[外链图片转存中…(img-nMqUe0cl-1712556987888)]
[外链图片转存中…(img-g3xUXJQv-1712556987888)]
既有Java、Web、PHP、也有C、小程序、Python等项目供你选择,真正体系化!
由于项目比较多,这里只是将部分目录截图出来,每个节点里面都包含素材文档、项目源码、讲解视频
如果你觉得这些内容对你有帮助,可以添加VX:vip1024c (备注项目大全获取)
[外链图片转存中…(img-etFf8PXV-1712556987888)]