Java用正则表达式如何读取网页内容

网友投稿 217 2023-07-27


Java用正则表达式如何读取网页内容

学习java的正则表达式,抓取网页并解析HTML部分内容

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;

/** *//**

*

* @抓取页面文章标题及内容(测试) 手动输入网址抓取,可进一步自动抓取整个页面的全部内容

*

*/

public class WebContent ...{

/** *//**

* 读取一个网页全部内容

*/

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"));// 读取网页全部内容

while ((temp = in.readLine()) != null) ...{

sb.append(temp);

}

in.close();

}catch(MalformedURLException me)...{

System.out.println("你输入的URL格式有问题!请仔细输入");

me.getMessage();

throw me;

}catch (IOException e) ..abZLrMVj.{

e.printStackTrace();

throw e;

}

return sb.toString();

}

/** *//**

*

* @param s

* @return 获得网页标题

*/

public String getTitle(String s) ...{

String regex;

String title = "";

List list = new ArrayList();

regex = "

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 获得链接

*/

public List getLink(String s) ...{

String regex;

List list = new ArrayList();

regex = "]*href=("([^"]*)"|'([^']*)'|([^s>]*))[^>]*>(.*?)";

Pattern pa = Pattern.compile(regex, Pattern.DOTALL);

Matcher ma = pa.matcher(s);

while (ma.find()) ...{

list.add(ma.group());

}

return list;

}

/** *//**

*

* @param s

* @return 获得脚本代码

*/

public List getScript(String s) ...{

String regex;

List abZLrMVjlist = new ArrayList();

regex = "

Pattern pa = Pattern.compile(regex, Pattern.DOTALL);

Matcher ma = pa.matcher(s);

while (ma.find()) ...{

list.add(ma.group());

}

return list;

}

/** *//**

*

* @param s

* @return 获得css

*/

public List getCSS(String s) ...{

String regex;

List list = new ArrayList();

regex = "";

Pattern pa = Pattern.compile(regex, Pattern.DOTALL);

Matcher ma = pa.matcher(s);

while (ma.find()) ...{

list.add(ma.group());

}

return list;

}

/** *//**

*

* @param s

* @return 去掉标记

*/

public String outTag(String s) ...{

return s.replaceAll("<.>", "");

}

Pattern pa = Pattern.compile(regex, Pattern.DOTALL);

Matcher ma = pa.matcher(s);

while (ma.find()) ...{

list.add(ma.group());

}

return list;

}

/** *//**

*

* @param s

* @return 获得css

*/

public List getCSS(String s) ...{

String regex;

List list = new ArrayList();

regex = "";

Pattern pa = Pattern.compile(regex, Pattern.DOTALL);

Matcher ma = pa.matcher(s);

while (ma.find()) ...{

list.add(ma.group());

}

return list;

}

/** *//**

*

* @param s

* @return 去掉标记

*/

public String outTag(String s) ...{

return s.replaceAll("<.>", "");

}


版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:Java编程中的equals方法使用全解
下一篇:微服务网关:解析微服务架构的关键组件
相关文章

 发表评论

暂时没有评论,来抢沙发吧~