简介:
作为全球运用最广泛的语言,Java 凭借它的高效性,可移植性(跨平台),代码的健壮性以及可强大的可扩展性,深受广大应用程序开发者的喜爱. 作为一门强大的开发语言,正则表达式在其中的应用当然是必不可少的,而且正则表达式的掌握能力也是那些高级程序员的开发功底之体现,做一名合格的网站开发的程序员(尤其是做前端开发),正则表达式是必备的。
最近,由于一些需要,用到了java和正则,做了个的足球网站的数据采集程序,由于是***次做关于java的html页面数据采集,必然在网上查找了很多资料,但是发现运用如此广泛的java在使用正则做html采集方面的(中文)文章是少之又少,都是简单的谈了下java正则的概念,没有真正用在实际网页html采集,所以实例教程更是***(虽然java有它自己的Html Parser,而且十分强大),但个人觉得作为如此深入人心的正则表达式,理应有其相关的java实例教程,而且应该很多很全.于是在完成java版的html数据采集程序之后,本人便打算写个关于正则表达式在java上的html页面采集,以便有相关兴趣的读者更好的学习.
本期概述:
上期我们讲到了html页面的数据采集,为了方便我们今后来调用收集到的数据,这期我们要讲讲如何做数据存储(MySql数据库).
关于Java操作MySql
在使用java 操作MySql数据库之前 我们需要在项目文件中导入 一个jar包(mysql-connector-java-5.1.18-bin)
***次使用MySql? 请看java连接MYSQL
如何在java项目中导入jar包?
关于MySql数据库
如果是初学者 想使用MySql数据库的话 可以去这里XAMPP中文官网 下载 XAMPP 套装
XAMPP(Apache+MySQL+PHP+PERL)是一个功能强大的建 XAMPP 软件站集成软件包,而且一键式安装,无需修改配置文件,非常好用。
好了 需要准备的事宜都完成了 我们开始写代码
打开MySql数据库 创建数据库 和表 (拷贝如下代码 到mysql里直接执行即可)
//创建数据库 htmldatacollection
CREATEDATABASEhtmldatacollection;
//在创建表之前 我们需要使用数据库htmldatacollection
use htmldatacollection;
//在数据库里 创建一个表 Premiership 用于存储我们收集到的数据
//这里为了方便 所有字段 全部是字符串格式
CREATETABLEPremiership(Datevarchar(15),
HomeTeamvarchar(20),
AwayTeamvarchar(20),
Resultvarchar(20)
)
创建好后 我们来看看数据库结构
数据库弄好了 我们开始实施java代码
这里简单介绍下各个类以及类所包含的方法
DataStorage类 以及包含的 dataStore()方法 用于数据收集和存储
importjava.io.BufferedReader;
importjava.io.IOException;
importjava.io.InputStreamReader;
importjava.net.URL;
publicclassDataStorage {
publicvoiddataStore() {
// 首先用一个字符串 来装载网页链接
String strUrl="http://www.footballresults.org/league.php?all=1&league=EngPrem";
String sqlLeagues ="";
try{
// 创建一个url对象来指向 该网站链接 括号里()装载的是该网站链接的路径
// 更多可以看看 http://wenku.baidu.com/view/8186caf4f61fb7360b4c6547.html
URL url =newURL(strUrl);
// InputStreamReader 是一个输入流读取器 用于将读取的字节转换成字符
// 更多可以看看 http://blog.sina.com.cn/s/blog_44a05959010004il.html
InputStreamReader isr =newInputStreamReader(url.openStream(),
"utf-8");// 统一使用utf-8 编码模式
// 使用 BufferedReader 来读取 InputStreamReader 转换成的字符
BufferedReader br =newBufferedReader(isr);
String strRead ="";// new 一个字符串来装载 BufferedReader 读取到的内容
// 定义3个正则 用于获取我们需要的数据
String regularDate ="(\\d{1,2}\\.\\d{1,2}\\.\\d{4})";
String regularTwoTeam =">[^<>]*";
String regularResult =">(\\d{1,2}-\\d{1,2})";
//创建 GroupMethod类的对象 gMethod 方便后期调用其类里的 regularGroup方法
GroupMethod gMethod =newGroupMethod();
//创建DataStructure数据结构 类的对象 用于数据下面的数据存储
DataStructure ds =newDataStructure();
//创建MySql类的对象 用于执行MySql语句
MySql ms =newMySql();
inti =0;// 定义一个i来记录循环次数 即收集到的球队比赛结果数
intindex =0;// 定义一个索引 用于获取分离 2个球队的数据 因为2个球队正则是相同的
// 开始读取数据 如果读到的数据不为空 则往里面读
while((strRead = br.readLine()) !=null) {
/**
* 用于捕获日期数据
*/
String strGet = gMethod.regularGroup(regularDate, strRead);
// 如果捕获到了符合条件的 日期数据 则打印出来
if(!strGet.equals("")) {
//System.out.println("Date:" + strGet);
//将收集到的日期存在数据结构里
ds.date = strGet;
// 这里索引+1 是用于获取后期的球队数据
++index;// 因为在html页面里 源代码里 球队数据是在刚好在日期之后
}
/**
* 用于获取2个球队的数据
*/
strGet = gMethod.regularGroup(regularTwoTeam, strRead);
if(!strGet.equals("") && index ==1) {// 索引为1的是主队数据
// 通过subtring方法 分离出 主队数据
strGet = strGet.substring(1, strGet.indexOf(""));
//System.out.println("HomeTeam:" + strGet); // 打印出主队
//将收集到的主队名称 存到 数据结构里
ds.homeTeam = strGet;
index++;// 索引+1之后 为2了
// 通过subtring方法 分离出 客队
}elseif(!strGet.equals("") && index ==2) {// 这里索引为2的是客队数据
strGet = strGet.substring(1, strGet.indexOf(""));
//System.out.println("AwayTeam:" + strGet); // 打印出客队
//将收集到的客队名称 存到数据结构里
ds.awayTeam = strGet;
index =0;//收集完客队名称后 需要将索引还原 用于收集下一条数据的主队名称
}
/**
* 用于获取比赛结果
*/
strGet = gMethod.regularGroup(regularResult, strRead);
if(!strGet.equals("")) {
// 这里同样用到了substring方法 来剔除'" 标签 来获取我们想要的比赛结果
strGet = strGet.substring(1, strGet.indexOf(""));
//System.out.println("Result:" + strGet);
ds.result = strGet;//将收集到的比赛结果存到数据结构里
//System.out.println();
//MySql插入语句
sqlLeagues ="INSERT INTO Premiership values(\""
+ ds.date +"\","+"\""+ ds.homeTeam
+"\","+"\""+ ds.awayTeam +"\","+"\""+ ds.result +"\")";
//调用MySql类的datatoMySql()方法 来执行 MySql插入语句
ms.datatoMySql(sqlLeagues);
i++;//每插入完一条记录 i+1;
System.out.println("第"+i+"条数据插入成功");
}
}
// 当读完数据后 记得关闭 BufferReader
br.close();
//System.out.println("共收集到" + i + "条比赛记录");// 打印出循环次数
//当数据存储完成后 打印出 收集球队记录数
System.out.println("数据存储完毕,共插入数据库"+i+"条记录");
}catch(IOException e) {
// 如果出错 抛出异常
e.printStackTrace();
}
}
}
DataStructure类 简单数据结构 里面包含了相应的字段 用于将收集的数据临时性存储
//创建一个数据结构类来 装载收集到的数据
publicclassDataStructure {
//定义数据字段
publicString homeTeam;
publicString awayTeam;
publicString date;
publicString result;
}
GroupMethod类 以及包含的 regularGroup()方法 用于正则匹配html 源代码上的数据
importjava.util.regex.Matcher;
importjava.util.regex.Pattern;
publicclassGroupMethod {
// 传入2个字符串参数 一个是pattern(我们使用的正则) 另一个matcher是html源代码
publicString regularGroup(String pattern, String matcher) {
Pattern p = Pattern.compile(pattern, Pattern.CASE_INSENSITIVE);
Matcher m = p.matcher(matcher);
if(m.find()) {// 如果读到
returnm.group();// 返回捕获的数据
}else{
return"";// 否则返回一个空值
}
}
}
MySql类 以及包含的 datatoMySql() 方法 用于执行SQL插入语句 将临时存储在数据结构里的数据 插入到MySql数据库中
importjava.sql.Connection;
importjava.sql.DriverManager;
importjava.sql.SQLException;
importjava.sql.Statement;
/**
* @MySql类用于实施MySql查询语句
*/9publicclassMySql {
//定义MySql驱动,数据库地址,数据库用户名 密码, 执行语句和数据库连接
publicString driver ="com.mysql.jdbc.Driver";
publicString url ="jdbc:mysql://127.0.0.1:3306/htmldatacollection";
publicString user ="root";
publicString password ="root";
publicStatement stmt =null;
publicConnection conn =null;
//创建一个插入数据的方法
publicvoiddatatoMySql(String insertSQl) {
try{
try{
Class.forName(driver).newInstance();
}catch(Exception e) {
System.out.println("Unable to find the local driver");
e.printStackTrace();
}
//创建连接
conn = DriverManager.getConnection(url, user, password);
//创建一个 Statement 对象来将 SQL 语句发送到数据库
stmt = conn.createStatement();
}catch(SQLException e) {
e.printStackTrace();
}
try{
//执行SQL 插入语句
stmt.executeUpdate(insertSQl);
}catch(SQLException e) {
e.printStackTrace();
}
try{
//执行完 停止执行语句
stmt.close();
//执行完关闭数据库连接
conn.close();
}catch(SQLException e) {
e.printStackTrace();
}
}
}
Main 主函数 用于数据输出
publicclassMain {
publicstaticvoidmain(String[] args) {
//在主函数里调用DataStorage类里的dataStore()方法
DataStorage ds =newDataStorage();
ds.dataStore();
}
}
好了 下面我们来执行下 看看结果
Html页面截图-初始阶段
MySql数据库截图-初始阶段
Html页面截图-结束阶段
MySql数据库截图-结束阶段
一共收集到 189条记录
MySql数据库显示 189 行数据
这样 我们2011-2012英超联盟赛季的比赛战绩就全部收集并存到MySql数据库里了 :)
当然这里只是抓取并存储了一个页面的内容,如果感兴趣 想抓去更多的页面内容 你可以分析下该链接后的联盟名 例如 league=EngPrem 通过改变league名来获取所有联 盟的比赛数据 你可以写个 枚举接口 把所有球队的名字放进去. 然后在DataStorage类里 实施该接口 将 枚举 转换成 球队数组
然后来附加到 "http://www.footballresults.org/league.php?all=1&league=" 链接后面 来补齐链接 循环读取各个联盟比赛页面的内容
同样 还有更智能的方法 你可以写个方法 从http://www.footballresults.org/allleagues.php页面 获取所有球队的名字 同样循环补齐链接 读取各联盟页面内容
【编辑推荐】
【责任编辑:小林 TEL:(010)68476606】
点赞 0