正则表达式(网页爬虫)

package com.regex;

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URL;
import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

/*
 * 网页爬虫:其实就是一个程序用于在互联网中获取符合指定 规定的数据
 * 
 *   功能:爬取邮箱地址
 */
public class Demo1 {
	public static void main(String[] args) throws IOException {
		List<String> list = getMailsByWeb();
		for (String str : list) {
			System.out.println(str + " ");
		}
	}

	public static List<String> getMailsByWeb() throws IOException {
		// 1.读取文件

		URL url = new URL("http://127.0.0.1:8088/Test/index.html");
		BufferedReader br = new BufferedReader(new InputStreamReader(
				url.openStream()));
		// 2.对读取的数据进行规则的匹配,从中获取符合规则的数据
		String mail_regex = "\\w+@\\w+(\\.\\w+)+";

		List<String> list = new ArrayList<String>();

		Pattern p = Pattern.compile(mail_regex);
		String line = null;

		while ((line = br.readLine()) != null) {
			Matcher m = p.matcher(line);

			while (m.find()) {
				// 3.将符合规则的数据存储到集合中
				list.add(m.group());
			}
		}
		return list;
	}

	public static List<String> getMails() throws IOException {
		// 1.读取文件
		BufferedReader br = new BufferedReader(new FileReader("D:\\index.html"));

		// 2.对读取的数据进行规则的匹配,从中获取符合规则的数据
		String mail_regex = "\\w+@\\w+(\\.\\w+)+";
		List<String> list = new ArrayList<String>();

		Pattern p = Pattern.compile(mail_regex);
		String line = null;

		while ((line = br.readLine()) != null) {
			Matcher m = p.matcher(line);

			while (m.find()) {
				// 3.将符合规则的数据存储到集合中
				list.add(m.group());
			}
		}
		return list;
	}

}

  • 1
    点赞
  • 1
    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