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:
    MySQL[MariaDB]安装与配置
    Docker介绍与安装使用
    Docker命令操作
    5G网络
    centos7单机部署腾讯蓝鲸运维平台6.0.2
    建立rsyslog日志服务器
    centos7.7安装oracle11g
    Linux pip命令报错 -bash: pip: command not found
    两种方式安装ansible
    centos7安装zabbix
  • 原文地址:https://www.cnblogs.com/xyang0917/p/4172521.html
Copyright © 2011-2022 走看看