上期我们学习了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,首先我们需要学习下如何将这些采集到的数据存储起来(MySql数据库).
打开MySql数据库,创建数据库 和表 (拷贝如下代码 到mysql里(如果没有界面管理工具,就在DOS窗口里输入创建数据库的语句)直接执行即可).
创建MySql数据库
#创建数据库 htmldatacollection
CREATE DATABASE htmldatacollection;
#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
CREATE TABLE Premiership(
Date varchar(15),
HomeTeam varchar(20),
AwayTeam varchar(20),
Result varchar(20)
)
主程序代码数据库弄好了,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
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
package org.footballresults;
public class DataStructer {
public String hometeam ;
public String awayteam ;
public String date ;
public String 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
package org.footballresults;
import java.util.regex.Pattern;
import java.util.regex.Matcher;
public class GroupMethod {
/**
* @param args
*/
// 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
public String regularGroup(String pattern, String matcher) {
// ……………………CASE_INSENSITIVE启用不区分大小写的匹配
// compile函数将给定的正则表达式编译到具有给定的标志的模式p中
Pattern p = Pattern.compile(pattern, Pattern.CASE_INSENSITIVE);
// 创建匹配给定输入与此模式的匹配器m,其返回类型是 Matcher类型
//
Matcher m = p.matcher(matcher);
if (m.find()) { // 如果读到
// group方法返回匹配操作所匹配的子序列等价于substring()方法
return matcher.substring(m.start(), m.end());// m.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
package org.footballresults;
import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.SQLException;
import java.sql.Statement;
//MySql类用于实现数据库的操作
public class MySql {
// 定义MySql驱动,数据库地址,数据库用户名 密码 执行语句 数据库连接
public String driver = "com.mysql.jdbc.Driver";
public String url = "jdbc:mysql://127.0.1:3306/htmldatacollection";
public String user = "root";
public String password = "1";
public Statement stml = null;
public Connection conn = null;
// 插入数据
public void datatomysql(String sqlleague) {
try {
Class.forName(driver).newInstance();
} catch (InstantiationException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (IllegalAccessException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (ClassNotFoundException e) {
// TODO Auto-generated catch block
System.out.println("没有找到数据库驱动");
e.printStackTrace();
}
// 创建连接
try {
conn = DriverManager.getConnection(url, user, password);
if (conn == null)
System.out.println("数据库连接失败");
// 创建一个statement对象将sql语句发送到数据库
stml = conn.createStatement();
} catch (SQLException e) {
// TODO Auto-generated catch block
System.out.println("数据库连接失败");
e.printStackTrace();
}
// 执行sql插入语句
try {
stml.executeUpdate(sqlleague);
} catch (SQLException e) {
// TODO Auto-generated catch block
System.out.println("数据导入失败");
e.printStackTrace();
}
try {
// 结束插入语句
stml.close();
// 关闭数据库连接
conn.close();
} catch (SQLException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
// 输出数据
public void output() {
}
}
Main 主函数 用于数据输出
package org.footballresults;
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URL;
/**
* Main主函数 用于数据采集
*
* @author SoFlash - 博客园 http://www.cnblogs.com/longwu
*/
public class Main {
public static void main(String[] args) {
// 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 sqlleague = "";
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 = new URL(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 = new InputStreamReader(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 = new BufferedReader(isr);
String strRead = ""; // 新增一个空字符串strRead来装载 BufferedReader 读取到的内容
// 定义3个正则 用于匹配我们需要的数据
String regularDate = "(\\d{1,2}\\.\\d{1,2}\\.\\d{4})";
String regularTwoTeam = ">[^<>]*";
String regularResult = ">(\\d{1,2}-\\d{1,2})";
// 创建一个GroupMethod类的对象 ,进行正则匹配
GroupMethod gMethod = new GroupMethod();
// 创建数据结构对象,存储下面的数据
DataStructer ds = new DataStructer();
// 创建mysql类的对象 用于执行mysql语句;
MySql ms = new MySql();
int i = 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
int index = 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("")) {
ds.date = strGet;
// System.out.println("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(""));
ds.hometeam = strGet;
// System.out.println("HomeTeam:" + strGet); // 打印出主队
index++; // 索引+1之后 为2了
// 通过subtring方法 分离出 客队
} else if (!strGet.equals("") && index == 2) { // 这里索引为2的是客队数据
strGet = strGet.substring(1, strGet.indexOf(""));
ds.awayteam = strGet;
// System.out.println("AwayTeam:" + strGet); // 打印出客队
index = 0;
}
/**
* 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(""));
ds.result = strGet;
// System.out.println("Result:" + strGet);
// System.out.println();
// MySql插入语句
sqlleague = "INSERT INTO tt values(\"" + ds.date + "\","
+ "\"" + ds.hometeam + "\"," + "\"" + ds.awayteam
+ "\"," + "\"" + ds.result + "\")";
// 调用函数,将数据存入到数据库中
ms.datatomysql(sqlleague);
i++;
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
System.out.println("数据存入完毕,共导入数据库" + i + "记录");
} catch (IOException e) {
// 如果出错 抛出异常
e.printStackTrace();
}
}
}
运行查看好了,下面我们来执行下 看看结果.
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. :)