[java] 网页爬虫-爬取网页中的邮箱信息

代码：

import java.io.*;
import java.util.regex.*;
import java.net.*;

class Spiders 
{
	public static void main(String[] args) throws Exception
	{
		getMai1s();
	}

	public static void getMai1s() throws Exception
	{
		//将网页路径封装成URL对象
		//URL url = new URL("http://192.168.43.237:8080/myweb/mail.html");//tomecat本地测试
		URL url = new URL("https://faculty.ecnu.edu.cn/_s43/zxy2/main.psp");//爬一爬导师主页信息。。。
		

		//使用URL中的openConnection方法连接远程服务器
		//其实原理就是 
		//1.解析网页路径，获取ip地址，端口号，路径等信息
		//2.URL对象内部封装一个Socket()对象，连接服务器，与服务器进行通讯
		URLConnection conn = url.openConnection();

		//获取输入流，并封装
		BufferedReader bufIn = new BufferedReader(new InputStreamReader(conn.getInputStream()));

		//获取网页信息line,并用正则表达式进行信息提取。
		String mailReg = "\\w+@\\w+(\\.\\w+)+";
		Pattern p = Pattern.compile(mailReg);//将正则表达式封装成对象

		String line = null;
		while((line=bufIn.readLine())!=null)
		{
			//System.out.println(line);
			//使正则表达式对象与待操作字符串相关联
			//获取操作引擎
			Matcher m = p.matcher(line);
			
			//查找并获取符合正则表达式的子串
			while(m.find())
			{
				System.out.println(m.group());
			}
		}
	}
}

运行结果：