Java 抓取网页内容，获取指定服务器IP

Code:

1. package ttwork.net;   
2. import java.net.*;   
3. import java.util.regex.*;   
4. import java.io.*;   
5. public class WebPage {   
6.     public static void main(String[] args) {   
7.         //http://zhidao.baidu.com/question/192012139.html   
8.         WebPage wp = new WebPage("http://tieba.baidu.com/f?kz=664340519");   
9.         //wp.getSubHTML(1, 20, "src/f2.html");   
10.         wp.getInnerHTML("/^([//w-//.]+)@((//[[0-9]{1,3}//.[0-9]{1,3}//.[0-9]{1,3}//.)|(([//w-]+//.)+))([a-zA-Z]{2,4}|[0-9]{1,3})(//]?)$/g", "src/f2.html");   
11.     }   
12.     private URL url;                    //URL地址   
13.     private InetAddress[] ip;           //IP地址   
14.     private File desFile;               //目标文件   
15.     private InputStreamReader isr;      //Reader   
16.     private OutputStreamWriter osw;     //Writer   
17.     private BufferedReader br;          //Reader   
18.     private BufferedWriter bw;          //Writer   
19.     /**  
20.      * @param protocol 协议的名称  
21.      * @param host     主机的名称或者域名  
22.      */  
23.     public WebPage(String _url) {   
24.         try {   
25.             url = new URL(_url);   
26.             try {   
27.                 ip = InetAddress.getAllByName(_url.substring(7));   
28.             } catch (UnknownHostException e) {   
29.                 ip = null;   
30.             }   
31.         } catch (MalformedURLException e) {   
32.             e.printStackTrace();   
33.         }          
34.     }   
35.     /**  
36.      * 获取指定网站的ip地址，有些网站的ip地址不止一个  
37.      * @return  字符串连接的ip地址  
38.      */  
39.     public String getAllIp() {   
40.         String ipAll = null;   
41.         for(int i=0; i<ip.length; i++) {   
42.             ipAll += ip[i].toString()+"/n";   
43.         }   
44.         return ipAll;   
45.     }   
46.     /**  
47.      * 得到该网页中的所有内容  
48.      */  
49.     public void getHTML(String desFilePath) {   
50.         try {   
51.             desFile = new File(desFilePath);   
52.             isr = new InputStreamReader(url.openStream());   
53.             osw = new OutputStreamWriter(new FileOutputStream(desFile));   
54.             char[] line = new char[1024];   
55.             while(isr.read(line) > 0) {   
56.                 osw.write(line);   
57.                 osw.flush();   
58.             }   
59.         } catch (FileNotFoundException e) {   
60.             e.printStackTrace();   
61.         } catch (IOException e) {   
62.             e.printStackTrace();   
63.         } finally {   
64.             try {   
65.                 osw.close();   
66.                 isr.close();   
67.             } catch (IOException e) {   
68.                 e.printStackTrace();   
69.             }   
70.         }   
71.     }   
72.     /**  
73.      * 按照正则表达式进行匹配，获取指定格式的内容,比如获取网页中所有的邮箱地址  
74.      * 验证邮箱的正则表达式  
75.      * /^([/w-/.]+)@((/[[0-9]{1,3}/.[0-9]{1,3}/.[0-9]{1,3}/.)|(([/w-]+/.)+))([a-zA-Z]{2,4}|[0-9]{1,3})(/]?)$/g  
76.      */  
77.     public void getInnerHTML(String regex,String desFilePath) {   
78.         try {   
79.             desFile = new File(desFilePath);   
80.             isr = new InputStreamReader(url.openStream());   
81.             br = new BufferedReader(isr);   
82.             osw = new OutputStreamWriter(new FileOutputStream(desFile));   
83.             bw = new BufferedWriter(osw);   
84.             Pattern p = Pattern.compile(regex);   
85.             Matcher m;   
86.             String line;   
87.             while((line=br.readLine()) != null) {   
88.                 m = p.matcher(line);   
89.                 if(m.find()) {   
90.                     int s = m.start();   
91.                     int e = m.end();   
92.                     bw.write(line.substring(s,e));   
93.                     bw.flush();   
94.                     bw.newLine();   
95.                 }   
96.             }   
97.         } catch (FileNotFoundException e) {   
98.             e.printStackTrace();   
99.         } catch (IOException e) {   
100.             e.printStackTrace();   
101.         } finally {   
102.             try {   
103.                 bw.close();   
104.                 osw.close();   
105.                 br.close();   
106.                 isr.close();   
107.             } catch (IOException e) {   
108.                 e.printStackTrace();   
109.             }   
110.         }   
111.     }   
112.     /**  
113.      * 获取网页中指定行到指定行的内容,根据java中的原则包括startRow这一行，不包括endRow这一行  
114.      *   
115.      */  
116.     public void getSubHTML(int startRow, int endRow, String desFilePath) {   
117.         try {   
118.             int rowNum = 0;   
119.             desFile = new File(desFilePath);   
120.             isr = new InputStreamReader(url.openStream());   
121.             br = new BufferedReader(isr);   
122.             osw = new OutputStreamWriter(new FileOutputStream(desFile));   
123.             bw = new BufferedWriter(osw);   
124.             String line;   
125.             while((line=br.readLine()) != null) {   
126.                 rowNum ++;   
127.                 if(rowNum < startRow) {   
128.                     continue;   
129.                 } else if(rowNum>=startRow && rowNum<endRow) {   
130.                     bw.write(line);   
131.                     bw.flush();   
132.                     bw.newLine();   
133.                 } else {   
134.                     break;   
135.                 }   
136.             }   
137.         } catch (FileNotFoundException e) {   
138.             e.printStackTrace();   
139.         } catch (IOException e) {   
140.             e.printStackTrace();   
141.         } finally {   
142.             try {   
143.                 bw.close();   
144.                 osw.close();   
145.                 br.close();   
146.                 isr.close();   
147.             } catch (IOException e) {   
148.                 e.printStackTrace();   
149.             }   
150.         }   
151.     }   
152. }