接触一下爬虫

1.获取baidu图片链接
首先将http响应内容测试获取到

public class baidu {
    public static void main(String[] args) {
        //定义即将访问的链接
        String url = "http://www.baidu.com";
        //定义一个字符串用来存储网页内容
        String result = "";
        //定义一个缓冲字符输入流
        BufferedReader in = null;
        BufferedWriter out = null;
        try {
            //将string转成url对象
            URL realUrl = new URL(url);
            //初始化一个链接到那个url的链接
            URLConnection connection = realUrl.openConnection();
            //开始实际的链接
            connection.connect();
            //初始化BufferedReader输入流来读取URL的响应
            in = new BufferedReader(new InputStreamReader(connection.getInputStream()));
            out = new BufferedWriter(new FileWriter("1.txt"));
            //用来临时存储抓取到的每一行数据
            String line;
            while ((line = in.readLine())!=null)
            {
                //遍历抓取到的每一行并将其存储到result里面
                result += line + "\n";
                System.out.println(result);
                out.write(result);
                out.newLine();
                out.flush();
            }
        }catch (Exception e)
        {
            System.out.println("发送GET请求出现异常"+e);
            e.printStackTrace();
        }
    }
}

接下来使用正则表达式来获取响应内容中的必要信息。
这里写图片描述
这是一部分信息(这部分是获取百度图片链接的)

import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.net.PasswordAuthentication;
import java.net.URL;
import java.net.URLConnection;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

/**
 * Created by dell on 2016/7/29.
 * 获取百度图片链接
 */
public class Get_Baidu_1 {
    public static String sendGet(String url)
    {
        //定义一个字符串用来存储网页内容
        String result = "";
        //定义一个缓冲字符输入流
        BufferedReader in = null;
        try {
            //将String 转为 URL
            URL realUrl = new URL(url);
            //初始化一个链接到那个url的连接
            URLConnection connection = realUrl.openConnection();
            //开始实际的连接
            connection.connect();
            //初始化BufferedReader输入流来读取URL的响应
            in = new BufferedReader(new InputStreamReader(connection.getInputStream()));
            //用来零时存储抓取到的每一行数据
            String line;
            while ((line = in.readLine())!= null)
            {
                //遍历抓取到的每一行放到 result
                result += line;
            }
        }catch (Exception e)
        {
            System.out.println("GET失败");
        }finally {
            try {
                if (in != null)
                    in.close();
            }catch (Exception e)
            {
                System.out.println("关闭err");
            }
            return result;

        }
    }
    public static String RegxString(String targetSrc, String patternSrc)
    {
        //定义一个样式模板,此中使用正则表达式,括号中要抓的内容
        //相当于埋好了陷阱匹配的地方就会掉进去
        Pattern pattern = Pattern.compile(patternSrc);
        //定义一个Matcher来进行匹配
        Matcher matcher = pattern.matcher(targetSrc);
        //如果找到了
        if(matcher.find())
        {
            return matcher.group();
        }
        return "Nothing";
    }
    public static void main(String[] args) {
        //定义即将访问的链接
        String url = "http://www.baidu.com";
        //访问链接并获取页面内容
        String result = sendGet(url);
        System.out.println(result);
        String imgSrc = RegxString(result,"src=\\/\\/(\\w{3}).(\\w+).(\\w+)\\/(\\w+)\\/([a-zA-Z_]+).(\\w+)");

        System.out.println("image = "+imgSrc);
    }
}

这样就完成百度链接的获取

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值