java 网页数据采集_Java网页数据采集器[中篇-数据存储]

本期概述

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).

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)

第一次使用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)

)

创建好后,我们来看看数据库结构.

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.

DataStorage类 以及包含的 dataStore()方法 用于数据收集和存储

DataStorage类

import java.io.BufferedReader;

import java.io.IOException;

import java.io.InputStreamReader;

import java.net.URL;

/*** DataStorage类 用于数据的收集和存储

*@authorSoFlash - 博客园http://www.cnblogs.com/longwu*/

public class DataStorage {

public void dataStore() {

//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 = 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 = ""; //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 = new GroupMethod();

//创建DataStructure数据结构 类的对象 用于数据下面的数据存储 DataStructure ds = new DataStructure();

//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("")) {

//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 } else if (!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

DataStructure 类

/*** DataStructure 类 一个简单的数据结构

*@authorSoFlash - 博客园http://www.cnblogs.com/longwu*/

public class DataStructure {

//定义数据字段 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

GroupMethod 类

import java.util.regex.Matcher;

import java.util.regex.Pattern;

/*** GroupMethod 类 用于匹配和抓取 html页面的数据

*@authorSoFlash - 博客园http://www.cnblogs.com/longwu*/

public class GroupMethod {

//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) {

Pattern p = Pattern.compile(pattern, Pattern.CASE_INSENSITIVE);

Matcher m = p.matcher(matcher);

if (m.find()) { //如果读到 return m.group();//返回捕获的数据 } else {

return ""; //否则返回一个空字符串 }

}

}

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

MySql类

import java.sql.Connection;

import java.sql.DriverManager;

import java.sql.SQLException;

import java.sql.Statement;

/*** MySql类用于实施MySql数据库操作

*@authorSoFlash - 博客园http://www.cnblogs.com/longwu*/

public class MySql {

//定义MySql驱动,数据库地址,数据库用户名 密码, 执行语句和数据库连接 public String driver = "com.mysql.jdbc.Driver";

public String url = "jdbc:mysql://127.0.0.1:3306/htmldatacollection";

public String user = "root";

public String password = "root";

public Statement stmt = null;

public Connection conn = null;

//创建一个插入数据的方法 public void datatoMySql(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

Main 主函数

/*** Main 主函数 用于数据输出

*@authorSoFlash - 博客园http://www.cnblogs.com/longwu*/

public class Main {

public static void main(String[] args) {

//在主函数里调用DataStorage类里的dataStore()方法 DataStorage ds = new DataStorage();

ds.dataStore();

}

}

运行查看

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.  :)