Java 爬虫（获取指定页面中所有的邮箱地址）

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
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;

/*
 * 网页爬虫：其实就一个程序用于在互联网中获取符合指定规则的数据。
 *
 * 爬取邮箱地址。
 *
 */
public class RegexTest2 {

 /**
  * @param args
  * @throws IOException
  */
 public static void main(String[] args) throws IOException {

  
  List<String> list = getMailsByWeb();
  
  for(String mail : list){
   System.out.println(mail);
  }
 }
 
 public static List<String> getMailsByWeb() throws IOException {
  
  //1,读取源文件。
//    BufferedReader bufr = new BufferedReader(new FileReader("c:\mail.html"));
  
  URL url = new URL("http://192.168.1.100:8080/myweb/mail.html");
  
  BufferedReader bufIn = new BufferedReader(new InputStreamReader(url.openStream()));
    
  //2,对读取的数据进行规则的匹配。从中获取符合规则的数据.
  String mail_regex = "\w+@\w+(\.\w+)+";
  
  List<String> list = new ArrayList<String>();
  
  
  Pattern p = Pattern.compile(mail_regex);
  
  String line = null;
  
  while((line=bufIn.readLine())!=null){
   
   Matcher m = p.matcher(line);
   while(m.find()){
    //3,将符合规则的数据存储到集合中。
    list.add(m.group());
   }
   
  }
  return list;
 }

 public static List<String>  getMails() throws IOException{
  
  //1,读取源文件。
  BufferedReader bufr = new BufferedReader(new FileReader("c:\mail.html"));
  
  //2,对读取的数据进行规则的匹配。从中获取符合规则的数据.
  String mail_regex = "\w+@\w+(\.\w+)+";
  
  List<String> list = new ArrayList<String>();
  
  
  Pattern p = Pattern.compile(mail_regex);
  
  String line = null;
  
  while((line=bufr.readLine())!=null){
   
   Matcher m = p.matcher(line);
   while(m.find()){
    //3,将符合规则的数据存储到集合中。
    list.add(m.group());
   }
   
  }
  return list;
  
 }

}