java正则表达式实战(获取网站中显示的超链接)

有些网站反爬,可能会用不了,这个的主要目的是为了练习正则表达式

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URL;
import java.nio.charset.Charset;
import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

/**
 * FileName: WebSpider
 * Author:   Jerry
 * Date:     2020/4/24 16:40
 * Description: 爬虫
 */



public class WebSpider {


    public static  String getURLContent(String urlStr,Charset charset){
        StringBuilder sb = new StringBuilder();
        try{
            URL url = new URL(urlStr);


            BufferedReader reader = new BufferedReader(new InputStreamReader(url.openStream(), charset));
            String temp="";
            while((temp=reader.readLine())!=null){
                sb.append(temp).append("\n");
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
        return sb.toString();

    }

    public static List<String> getMatherSubstrs(String destStr,String regexStr){
        Pattern p = Pattern.compile(regexStr);

        List<String> result=new ArrayList<>();
        Matcher m = p.matcher(destStr);
        while(m.find()){
           result.add(m.group(1));
        }
        return result;
    }


    public static void main(String[]args){

        String urlStr="https://www.163.com/";
        String destStr = getURLContent(urlStr,Charset.forName("gbk"));//查看网站源代码,开始会有相关说明
        
        List<String> list=getMatherSubstrs(destStr,"href=\"(http[\\w\\s./:]+?)\"");

        for(String string:list){
            System.out.println(string);
        }

    }

}

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