zoukankan      html  css  js  c++  java
  • 简单的网络爬虫

    import java.io.BufferedReader;
    import java.io.InputStreamReader;
    import java.net.URL;
    import java.net.URLConnection;
    import java.util.regex.Matcher;
    import java.util.regex.Pattern;
    
    public class RegexWeb
    {
    
        /**
         * 网页爬虫
         */
        public static void main(String[] args) throws Exception
        {
            //URL
            String str_url = "http://tieba.baidu.com/p/2314539885";
            //规则
            //String regex = "\w+@\w+\.[a-zA-Z]{2,3}";
            String regex = "(\w)+(\.\w+)*@(\w)+((\.\w{2,3}){1,3})";
            regexForWeb(str_url,regex);
        }
    
        private static void regexForWeb(String str_url,String regex) throws Exception
        {
    
            URL url = new URL(str_url);
            //打开URL连接
            URLConnection conn = url.openConnection();
            //设置网络连接时间
            conn.setConnectTimeout(1000*10);
            //读取指定网络地址中的文件
            BufferedReader buf = new BufferedReader(new InputStreamReader(conn.getInputStream()));
            //把正则表达式转换成正则对象
            Pattern p = Pattern.compile(regex);
            //每行读取的内容
            String line = null;
            while((line=buf.readLine())!=null){
                //Pattern对象转换成Matcher对象,操作字符串
                Matcher m = p.matcher(line);
                //部分匹配
                while(m.find()){
                    //返回匹配成功的部分
                    System.out.println(m.group());
                }
            }
        }
    
    }
  • 相关阅读:
    OSI 与 TCP/IP协议簇
    交换机工作原理
    Windows搭建域环境
    网络安全散装笔记
    Python之正则匹配——RE模块
    Django框架之ORM数据库操作
    Django中ORM的优化
    python遍历文件夹下文件
    numpy.r_ c_
    python调用google map api
  • 原文地址:https://www.cnblogs.com/hefeisf/p/4976885.html
Copyright © 2011-2022 走看看