java 正则网页_Java用正则表达式如何读取网页内容

package com.xiaofeng.picup;

import java.io.BufferedReader;

import java.io.IOException;

import java.io.InputStreamReader;

import java.net.MalformedURLException;

import java.net.URL;

import java.util.ArrayList;

import java.util.HashMap;

import java.util.List;

import java.util.regex.Matcher;

import java.util.regex.Pattern;

/** *//**

*

* @抓取页面文章标题及内容(测试) 手动输入网址抓取,可进一步自动抓取整个页面的全部内容

*

*/

public class WebContent ...{

/** *//**

* 读取一个网页全部内容

*/

public String getOneHtml(String htmlurl) throws IOException...{

URL url;

String temp;

StringBuffer sb = new StringBuffer();

try ...{

url = new URL(htmlurl);

BufferedReader in = new BufferedReader(new InputStreamReader(url

.openStream(), "utf-8"));// 读取网页全部内容

while ((temp = in.readLine()) != null) ...{

sb.append(temp);

}

in.close();

}catch(MalformedURLException me)...{

System.out.println("你输入的URL格式有问题!请仔细输入");

me.getMessage();

throw me;

}catch (IOException e) ...{

e.printStackTrace();

throw e;

}

return sb.toString();

}

/** *//**

*

* @param s

* @return 获得网页标题

*/

public String getTitle(String s) ...{

String regex;

String title = "";

List list = new ArrayList();

regex = "

.*?";

Pattern pa = Pattern.compile(regex, Pattern.CANON_EQ);

Matcher ma = pa.matcher(s);

while (ma.find()) ...{

list.add(ma.group());

}

for (int i = 0; i < list.size(); i++) ...{

title = title + list.get(i);

}

return outTag(title);

}

/** *//**

*

* @param s

* @return 获得链接

*/

public List getLink(String s) ...{

String regex;

List list = new ArrayList();

regex = "]*href=("([^"]*)"|'([^']*)'|([^s>]*))[^>]*>(.*?)";

Pattern pa = Pattern.compile(regex, Pattern.DOTALL);

Matcher ma = pa.matcher(s);

while (ma.find()) ...{

list.add(ma.group());

}

return list;

}

/** *//**

*

* @param s

* @return 获得脚本代码

*/

public List getScript(String s) ...{

String regex;

List list = new ArrayList();

regex = "";

Pattern pa = Pattern.compile(regex, Pattern.DOTALL);

Matcher ma = pa.matcher(s);

while (ma.find()) ...{

list.add(ma.group());

}

return list;

}

/** *//**

*

* @param s

* @return 获得CSS

*/

public List getCSS(String s) ...{

String regex;

List list = new ArrayList();

regex = "";

Pattern pa = Pattern.compile(regex, Pattern.DOTALL);

Matcher ma = pa.matcher(s);

while (ma.find()) ...{

list.add(ma.group());

}

return list;

}

/** *//**

*

* @param s

* @return 去掉标记

*/

public String outTag(String s) ...{

return s.replaceAll("<.>", "");

}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值