主頁 > 知識庫 > 使用正則表達式實現(xiàn)網(wǎng)頁爬蟲的思路詳解

使用正則表達式實現(xiàn)網(wǎng)頁爬蟲的思路詳解

熱門標簽:外呼系統(tǒng)無呼出路由是什么原因 貴港公司如何申請400電話 西藏智能外呼系統(tǒng)代理商 地圖標注教學點 梅縣地圖標注 400電話辦理電話辦理 呼叫系統(tǒng)外呼只能兩次 ai電話機器人搭建 甘肅醫(yī)療外呼系統(tǒng)排名

網(wǎng)頁爬蟲:就是一個程序用于在互聯(lián)網(wǎng)中獲取指定規(guī)則的數(shù)據(jù)。

思路:

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

2.使用URL與網(wǎng)頁建立聯(lián)系
3.獲取輸入流,用于讀取網(wǎng)頁中的內容
4.建立正則規(guī)則,因為這里我們是爬去網(wǎng)頁中的郵箱信息,所以建立匹配 郵箱的正則表達式: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)頁爬蟲:就是一個程序用于在互聯(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 {
 
 ListString> list=getMailByWeb();
 for(String str:list){
 System.out.println(str);
 }
 
 }
 private static ListString> getMailByWeb() throws Exception {
 
 //1.與網(wǎng)頁建立聯(lián)系。使用URL
 String path="http://localhost:8080//1.html";//后面寫雙斜杠是用于轉義
 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+)+";
 //進行匹配
 //將正則規(guī)則封裝成對象
 Pattern p=Pattern.compile(regex);
 //將提取到的數(shù)據(jù)放到一個集合中
 ListString> list=new ArrayListString>();
 
 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)存儲到集合中
 list.add(m.group());
 }
 }
 
 return list;
 }
}

注意:在執(zhí)行前需要先開啟tomcat服務器

運行結果:

總結

以上所述是小編給大家介紹的使用正則表達式實現(xiàn)網(wǎng)頁爬蟲的思路詳解,希望對大家有所幫助,如果大家有任何疑問請給我留言,小編會及時回復大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持!

您可能感興趣的文章:
  • Python爬蟲之正則表達式的使用教程詳解
  • Python爬蟲之正則表達式基本用法實例分析
  • python爬蟲正則表達式之處理換行符
  • python爬蟲 正則表達式使用技巧及爬取個人博客的實例講解
  • python爬蟲入門教程--正則表達式完全指南(五)
  • Python 爬蟲學習筆記之正則表達式
  • 玩轉python爬蟲之正則表達式
  • Python的爬蟲包Beautiful Soup中用正則表達式來搜索
  • Python爬蟲正則表達式常用符號和方法
  • python3爬蟲之入門基礎和正則表達式
  • 零基礎寫python爬蟲之神器正則表達式
  • java正則表達式簡單使用和網(wǎng)頁爬蟲的制作代碼

標簽:哈密 湖州 常州 涼山 泰安 ???/a> 本溪 大興安嶺

巨人網(wǎng)絡通訊聲明:本文標題《使用正則表達式實現(xiàn)網(wǎng)頁爬蟲的思路詳解》,本文關鍵詞  使用,正則,表達式,實現(xiàn),;如發(fā)現(xiàn)本文內容存在版權問題,煩請?zhí)峁┫嚓P信息告之我們,我們將及時溝通與處理。本站內容系統(tǒng)采集于網(wǎng)絡,涉及言論、版權與本站無關。
  • 相關文章
  • 下面列出與本文章《使用正則表達式實現(xiàn)網(wǎng)頁爬蟲的思路詳解》相關的同類信息!
  • 本頁收集關于使用正則表達式實現(xiàn)網(wǎng)頁爬蟲的思路詳解的相關信息資訊供網(wǎng)民參考!
  • 推薦文章