Java编写Baidu关键词工具-优快云博客

本文介绍了一款使用Java开发的百度关键词抽取工具，该工具能够抓取并解析百度风云榜的内容，通过网络输入流读取数据，利用正则表达式进行内容解析，并以表格形式展示结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前几天写了一个《Java抽取HTML内容》的文章，路径是[url]http://javapub.iteye.com/blog/719658[/url]。在此基础上做了一个Baidu的关键词抽取工具。可以抽取和查询百度的风云榜。这里也是在尝试着去开发一个Java的搜索引擎（大家见笑了），首先从关键词排名入手吧。界面如图：[img]http://www.kutoku.info/images/java/100726/ztop.png[/img]

原理也不难，
[b]1.从网络定位输入流，并读取这个输入流。[/b]


URL url = new URL(urlPath);
		// 以特定格式读取文件流。
InputStreamReader isr = new InputStreamReader(url.openStream(),
				"gb2312");
BufferedReader br = new BufferedReader(isr);

这里我们读取的是baidu的输入流，自然用bgb2312格式，以后可以做的更加智能一些，自动判断流的格式。

[b]2.定位内容[/b]
这里我们是定位baidu风云榜的内容，所以比较准确，以后更加复杂的搜索引擎定位算法，那是以后考虑的事情了。


if ("".equals(s.trim())) {
				continue;
			} else if ("<tbody id=\"listdata\">".equals(s.trim())) {
				beginFind = true;
			} else if ("</tbody>".equals(s.trim())) {
				break;
			}

[b]3.解析内容[/b]
利用正则表达式删除我们关心的内容中的所有标签，留下内容。

private static String findContent(String html) {
		// 配置html标记。
		Pattern p = Pattern.compile("<(\\S*?)[^>]*>.*?| <.*? />");
		Matcher m = p.matcher(html);

		String rs = new String(html);
		// 找出所有html标记。
		while (m.find()) {
			// 删除html标记。
			rs = rs.replace(m.group(), "");
		}
		return rs;
	}

[b]4. 展示内容[/b]
根据我们得到的内容，用表格的形式展示，表格的形式是挺好看，但不好保存，这点随后的版本会考虑保存的问题，现在就先这样吧。这里用到了我以前写的一个JTable的jar包，可以方便的生成一个可以自动排序的JTable。

tableOp = new DefaultZTableFactory();
		// 设置table信息生成Table。
		tableOp.setTableInfors(tableHeader, tableBody, colWidth);
		// 得到Table。
		ztable = tableOp.getZTable();
		// 设置Table的样式， 隔行变色。
		tableOp.setTableStyle(ztable);

[b]5. 附件是源码和打包好的EXE文件，欢迎大家交流。[/b]

[b]6. 相关内容[/b]
《Eclipse 打第三方Jar包插件 net.sf.fjep.fatjar》[url]http://javapub.iteye.com/blog/712695[/url]，将第三方的Jar包，打入我们自己的Jar包中。
《Eclipse 将Jar包打成Exe运行 exe4j》[url]http://javapub.iteye.com/blog/712729[/url]，将一个Jar包打成EXE文件。
《Swing JTable工厂(table4j)》[url]http://javapub.iteye.com/blog/686157[/url]，一个JTable工厂，生成自动排序，隔行变色的JTable，并可以线程安全的操作JTable的增删改查。

文章地址：[url]http://javapub.iteye.com/blog/721465[/url]