国产探花免费观看_亚洲丰满少妇自慰呻吟_97日韩有码在线_资源在线日韩欧美_一区二区精品毛片,辰东完美世界有声小说,欢乐颂第一季,yy玄幻小说排行榜完本

首頁 > 編程 > regex > 正文

Java用正則表達式如何讀取網頁內容

2020-01-20 22:08:18
字體:
來源:轉載
供稿:網友

學習java的正則表達式,抓取網頁并解析HTML部分內容  

package com.xiaofeng.picup;import java.io.BufferedReader;import java.io.IOException;import java.io.InputStreamReader;import java.net.MalformedURLException;import java.net.URL;import java.util.ArrayList;import java.util.HashMap;import java.util.List;import java.util.regex.Matcher;import java.util.regex.Pattern;/** *//**** @抓取頁面文章標題及內容(測試) 手動輸入網址抓取,可進一步自動抓取整個頁面的全部內容**/public class WebContent ...{  /** *//**   * 讀取一個網頁全部內容   */  public String getOneHtml(String htmlurl) throws IOException...{    URL url;    String temp;    StringBuffer sb = new StringBuffer();    try ...{      url = new URL(htmlurl);      BufferedReader in = new BufferedReader(new InputStreamReader(url          .openStream(), "utf-8"));// 讀取網頁全部內容      while ((temp = in.readLine()) != null) ...{        sb.append(temp);      }      in.close();    }catch(MalformedURLException me)...{      System.out.println("你輸入的URL格式有問題!請仔細輸入");      me.getMessage();      throw me;    }catch (IOException e) ...{      e.printStackTrace();      throw e;    }    return sb.toString();  }  /** *//**   *   * @param s   * @return 獲得網頁標題   */  public String getTitle(String s) ...{    String regex;    String title = "";    List<String> list = new ArrayList<String>();    regex = "<title>.*?</title>";    Pattern pa = Pattern.compile(regex, Pattern.CANON_EQ);    Matcher ma = pa.matcher(s);    while (ma.find()) ...{      list.add(ma.group());    }    for (int i = 0; i < list.size(); i++) ...{      title = title + list.get(i);    }    return outTag(title);  }  /** *//**   *   * @param s   * @return 獲得鏈接   */  public List<String> getLink(String s) ...{    String regex;    List<String> list = new ArrayList<String>();    regex = "<a[^>]*href=("([^"]*)"|'([^']*)'|([^s>]*))[^>]*>(.*?)</a>";    Pattern pa = Pattern.compile(regex, Pattern.DOTALL);    Matcher ma = pa.matcher(s);    while (ma.find()) ...{      list.add(ma.group());    }    return list;  }  /** *//**   *   * @param s   * @return 獲得腳本代碼   */  public List<String> getScript(String s) ...{    String regex;    List<String> list = new ArrayList<String>();    regex = "<script.*?</script>";    Pattern pa = Pattern.compile(regex, Pattern.DOTALL);    Matcher ma = pa.matcher(s);    while (ma.find()) ...{      list.add(ma.group());    }    return list;  }  /** *//**   *   * @param s   * @return 獲得CSS   */  public List<String> getCSS(String s) ...{    String regex;    List<String> list = new ArrayList<String>();    regex = "<style.*?</style>";    Pattern pa = Pattern.compile(regex, Pattern.DOTALL);    Matcher ma = pa.matcher(s);    while (ma.find()) ...{      list.add(ma.group());    }    return list;  }  /** *//**   *   * @param s   * @return 去掉標記   */  public String outTag(String s) ...{    return s.replaceAll("<.*?>", "");  }

發表評論 共有條評論
用戶名: 密碼:
驗證碼: 匿名發表
主站蜘蛛池模板: 晋城| 镇宁| 临安市| 酒泉市| 虹口区| 尼勒克县| 孝义市| 新津县| 台安县| 乌审旗| 香格里拉县| 福海县| 石景山区| 洛川县| 洛南县| 阿拉尔市| 祁阳县| 秭归县| 科尔| 上饶县| 佛坪县| 牙克石市| 潼南县| 汝阳县| 南华县| 长阳| 滁州市| 泰兴市| 淮南市| 墨江| 莎车县| 龙陵县| 岳池县| 清新县| 利津县| 巴林左旗| 绵阳市| 西畴县| 海丰县| 荔波县| 渭南市|