从网页中提取email地址的小程序

最新推荐文章于 2021-02-03 10:44:34 发布

原创最新推荐文章于 2021-02-03 10:44:34 发布 · 1.4k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#email #url #string #import #class #null

本文介绍了一个小型程序，能够从网页中批量提取电子邮箱地址，利用URL类和正则表达式实现。程序存在处理跨行邮箱地址的局限，通过读取网页内容至字符串变量进行改进。

程序很小，但是功能却很强大，很有意思。当你输入一个网页的url地址之后，就能把网页中的全部电子邮箱地址揪出来。主要运用了URL类和正则表示式。不过程序有一个bug。当电子邮箱的地址跨越两行时不能很好的处理。当然也有一个不太理想的解决方案：就是把网页内全部读入一个字符串变量中再进行处理。

下面是程序的代码：

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.net.MalformedURLException;
import java.net.URL;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class EmailSpider {

	public static void main(String[] args) {
		if (args.length > 0) {
			try {
				URL url = new URL(args[0]);//创建url对象
				InputStream in = url.openStream();
				BufferedReader r=new BufferedReader(new InputStreamReader(in));
				String line="";
				while((line=r.readLine())!=null){
					parse(line);
				}
			} catch (MalformedURLException e) {
				e.printStackTrace();
			} catch (IOException e) {
				e.printStackTrace();
			}
		}
	}

	private static void parse(String line) {
		Pattern p = Pattern.compile("[\\w[.-]]+@[\\w[.-]]+\\.[\\w]+");
		
		Matcher m = p.matcher(line);
		while(m.find()) {
			System.out.println(m.group());
	}
}
}