JAVA爬取网页邮箱

最新推荐文章于 2021-10-17 11:46:00 发布

dizaoshen1316

最新推荐文章于 2021-10-17 11:46:00 发布

阅读量320

点赞数

文章标签： java

原文链接：http://www.cnblogs.com/itBulls/articles/9052773.html

版权

本文介绍了一个使用Java编写的简单网络爬虫程序，该程序通过正则表达式从豆瓣读书网站上抓取讨论页面中的邮箱地址。程序首先通过HttpURLConnection获取网页内容，然后使用BufferedReader读取并解析数据，最后利用正则表达式匹配邮箱地址。

摘要由CSDN通过智能技术生成

import java.io.BufferedReader;

import java.io.IOException;

import java.io.InputStream;

import java.io.InputStreamReader;

import java.net.HttpURLConnection;

import java.net.MalformedURLException;

import java.net.URL;

import java.net.URLConnection;

import java.util.regex.Matcher;

import java.util.regex.Pattern;

/**
 * 抓取邮箱
 * @author lsh
 *
 */
public class GetEmail {

    public static void main(String[] args) throws IOException {

         URL url = new URL("https://book.douban.com/subject/24753651/discussion/58975313/");

         HttpURLConnection conn = (HttpURLConnection) url.openConnection();

         InputStream is = conn.getInputStream();

         BufferedReader br = new BufferedReader(new InputStreamReader(is, "utf-8"));

         // 书写正则规则

         String regex = "\\w+@[0-9a-z]{2,8}\\.com";

         // 获得正则对象

         Pattern compile = Pattern.compile(regex);

         // line 始终代表网页中一行数据

         String line = br.readLine();

         while(line != null){

             // 正则对象和 要操作字符串关联  得到匹配引擎

             Matcher matcher = compile.matcher(line);

             while(matcher.find()){

                 System.out.println("邮箱 : "+matcher.group());

             }

             line = br.readLine();

         }

        }

}