zoukankan      html  css  js  c++  java
  • Java正则表达式(一)、抓取网页email地址实例

    实现思路:

    1、使用java.net.URL对象,绑定网络上某一个网页的地址

    2、通过java.net.URL对象的openConnection()方法获得一个HttpConnection对象

    3、通过HttpConnection对象的getInputStream()方法获得该网络文件的输入流对象InputStream

    4、循环读取流中的每一行数据,并由Pattern对象编译的正则表达式区配每一行字符,取得email地址

    package regex;
    
    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;
    
    /**
     * 网络爬虫,抓取网页中的email地址
     */
    public class WebCrawlersDemo {
    	
    	public static void main(String[] args) throws Exception {
    		URL url = new URL("http://www.tianya.cn/publicforum/content/english/1/129176.shtml");
    		// 打开连接
    		URLConnection conn = url.openConnection();
    		// 设置连接网络超时时间
    		conn.setConnectTimeout(1000 * 10);
    		// 读取指定网络地址中的文件
    		BufferedReader bufr = new BufferedReader(new InputStreamReader(conn.getInputStream()));
    		String line = null;
    		String regex = "[a-zA-Z0-9_-]+@\\w+\\.[a-z]+(\\.[a-z]+)?";	// 匹配email的正则
    		Pattern p = Pattern.compile(regex);
    		while((line = bufr.readLine()) != null) {
    			Matcher m = p.matcher(line);
    			while(m.find()) {
    				System.out.println(m.group());	// 获得匹配的email
    			}
    		}
    	}
    
    }
    结果:


  • 相关阅读:
    ExtJs 4.0 ExtJs2.2 JavaScript
    C++中关于classview、resourceview、fileview
    BIN OBJ 区别
    数据编码
    多线程
    REST
    SQL Server 2005安装
    临时
    数据存储
    灰度直方图
  • 原文地址:https://www.cnblogs.com/xyang0917/p/4172521.html
Copyright © 2011-2022 走看看