java怎么正则循环截取网页内容,怎么在Java中利用正则表达式获取网页内容

怎么在Java中利用正则表达式获取网页内容

发布时间：2020-12-21 17:01:48

来源：亿速云

阅读：70

作者：Leah

这篇文章将为大家详细讲解有关怎么在Java中利用正则表达式获取网页内容，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。

正则表达式，抓取网页并解析HTML部分内容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 

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("<.>", "");

}

关于怎么在Java中利用正则表达式获取网页内容就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。