java网页爬虫正则,正则表达式--——网页爬虫

网页爬虫import java.net.*;

import java.io.*;

import java.util.regex.*;

class findMail

{

public static void main(String[] args) throws Exception

{

//读取流 关联文件

//BufferedReader bin = new BufferedReader(new FileReader("mail.txt"));

//获取网页上的数据  需要获取输入流 来自网页端的 URLConnection的getInputStream()来获取输入流

URL url = new URL("http://127.0.0.1:8080/myweb/mail.html");

URLConnection conn = url.openConnection();

BufferedReader bin = new BufferedReader(new InputStreamReader(conn.getInputStream()));

String line = null;

//定义 邮箱 格式 正则规则

String mailreg = "\\w{2,13}@\\w{2,5}(\\.[a-z]+)+";

//正则规则 封装模式 对象

Pattern p = Pattern.compile(mailreg);

while ((line = bin.readLine())!=null)

{

Matcher m = p.matcher(line);//将模式与字符串关联

if (m.find())

{

System.out.println(m.group());

}

//System.out.println(line);

}

}

}