11.第十节demo4EmailSpider---获取网页中的所有的email

package com.zzh.day2;

import java.io.BufferedReader;
import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.io.IOException;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class demo4EmailSpider {
	public static void main(String[] args) {
		File file = new File("C:\\Users\\ihan\\Desktop\\test.html");
		FileReader fr = null;
		try {
			fr = new FileReader(file);
		} catch (FileNotFoundException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
		BufferedReader br = new BufferedReader(fr);
		String string = "";
		Pattern pattern = Pattern.compile("[a-zA-Z1-9][\\w[.-]]*@[\\w[.-]]+\\.[\\w]+");
		Matcher matcher = null;
		try {
			while((string = br.readLine()) != null){
//				System.out.println("-----"+string);
				matcher = pattern.matcher(string);
				while (matcher.find()) {
					System.out.println(matcher.group());
				}			
			}
		} catch (IOException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
	}
}

输出结果：

971836793@qq.com
abc@foxmail.com

上面是随便在网上找的一个网页里面的邮箱。并非刻意搞的。你要是看着不舒服，你也没什么办法，反正你也干不掉我。

讲这么多，关键在这里：

Pattern pattern = Pattern.compile("[a-zA-Z1-9][\\w[.-]]*@[\\w[.-]]+\\.[\\w]+");

每次读一行，获取匹配到的邮箱。
这个表达式匹配到的邮箱格式基本上正确，但是如果用在注册邮箱时候验证方面的话，长度方面需要再加控制。比如在这个正则表达式中，类似a@b.c就会验证通过，即识别为正确的邮箱地址。