如何使用正則表達(dá)式實(shí)現(xiàn)網(wǎng)頁(yè)爬蟲(chóng)

這期內(nèi)容當(dāng)中小編將會(huì)給大家?guī)?lái)有關(guān)如何使用正則表達(dá)式實(shí)現(xiàn)網(wǎng)頁(yè)爬蟲(chóng)，文章內(nèi)容豐富且以專(zhuān)業(yè)的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

德陽(yáng)ssl適用于網(wǎng)站、小程序/APP、API接口等需要進(jìn)行數(shù)據(jù)傳輸應(yīng)用場(chǎng)景，ssl證書(shū)未來(lái)市場(chǎng)廣闊！成為創(chuàng)新互聯(lián)建站的ssl證書(shū)銷(xiāo)售渠道，可以享受市場(chǎng)價(jià)格4-6折優(yōu)惠！如果有意向歡迎電話聯(lián)系或者加微信：028-86922220（備注：SSL證書(shū)合作）期待與您的合作！

思路：

1.為模擬網(wǎng)頁(yè)爬蟲(chóng)，我們可以現(xiàn)在我們的tomcat服務(wù)器端部署一個(gè)1.html網(wǎng)頁(yè)。（部署的步驟：在tomcat目錄的webapps目錄的ROOTS目錄下新建一個(gè)1.html。使用notepad++進(jìn)行編輯，編輯內(nèi)容為：

）

2.使用URL與網(wǎng)頁(yè)建立聯(lián)系
3.獲取輸入流，用于讀取網(wǎng)頁(yè)中的內(nèi)容
4.建立正則規(guī)則，因?yàn)檫@里我們是爬去網(wǎng)頁(yè)中的郵箱信息，所以建立匹配 郵箱的正則表達(dá)式：String regex="\w+@\w+(\.\w+)+";
5.將提取到的數(shù)據(jù)放到集合中。

代碼：

import java.io.BufferedReader;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.net.URL;
import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/*
 * 網(wǎng)頁(yè)爬蟲(chóng):就是一個(gè)程序用于在互聯(lián)網(wǎng)中獲取指定規(guī)則的數(shù)據(jù)
 * 
 * 
 */
public class RegexDemo {
 public static void main(String[] args) throws Exception {
 
 List<String> list=getMailByWeb();
 for(String str:list){
 System.out.println(str);
 }
 
 }
 private static List<String> getMailByWeb() throws Exception {
 
 //1.與網(wǎng)頁(yè)建立聯(lián)系。使用URL
 String path="http://localhost:8080//1.html";//后面寫(xiě)雙斜杠是用于轉(zhuǎn)義
 URL url=new URL(path);
 //2.獲取輸入流
 InputStream is=url.openStream();
 //加緩沖
 BufferedReader br=new BufferedReader(new InputStreamReader(is));
 //3.提取符合郵箱的數(shù)據(jù)
 String regex="\\w+@\\w+(\\.\\w+)+";
 //進(jìn)行匹配
 //將正則規(guī)則封裝成對(duì)象
 Pattern p=Pattern.compile(regex);
 //將提取到的數(shù)據(jù)放到一個(gè)集合中
 List<String> list=new ArrayList<String>();
 
 String line=null;
 while((line=br.readLine())!=null){
 //匹配器
 Matcher m=p.matcher(line);
 while(m.find()){
 //3.將符合規(guī)則的數(shù)據(jù)存儲(chǔ)到集合中
 list.add(m.group());
 }
 }
 
 return list;
 }
}

注意:在執(zhí)行前需要先開(kāi)啟tomcat服務(wù)器

運(yùn)行結(jié)果：

上述就是小編為大家分享的如何使用正則表達(dá)式實(shí)現(xiàn)網(wǎng)頁(yè)爬蟲(chóng)了，如果剛好有類(lèi)似的疑惑，不妨參照上述分析進(jìn)行理解。如果想知道更多相關(guān)知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

名稱(chēng)欄目：如何使用正則表達(dá)式實(shí)現(xiàn)網(wǎng)頁(yè)爬蟲(chóng)
網(wǎng)頁(yè)網(wǎng)址：http://muchs.cn/article38/ipgjsp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供企業(yè)建站、微信小程序、網(wǎng)站改版、電子商務(wù)、動(dòng)態(tài)網(wǎng)站、微信公眾號(hào)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)