网页爬虫（蜘蛛）

最新推荐文章于 2025-09-10 11:30:58 发布

weixin_30699443

最新推荐文章于 2025-09-10 11:30:58 发布

阅读量74

点赞数

CC 4.0 BY-SA版权

文章标签：爬虫 java

原文链接：http://www.cnblogs.com/boyhan/p/6445919.html

本文介绍了一种使用Java正则表达式从文本及网页中解析电子邮件地址的方法。通过两个示例，一是从本地文件中读取并解析邮件地址，二是从指定网址抓取页面内容并解析邮件地址，展示了如何利用Pattern和Matcher类实现这一功能。

所用的知识点有：io,正则，Pattern,url

package com.regexTest;

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URL;
import java.net.URLConnection;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Zhizhu {
    public static void main(String[] args) throws IOException {
        test_1();//本地
        test_2();//网页
    }

    private static void test_2() throws IOException {
        URL url=new URL("http://www.cnblogs.com/skyseraph/p/6443596.html");
        URLConnection conn=url.openConnection();
        
        BufferedReader bufin=new BufferedReader(new InputStreamReader(conn.getInputStream()));
        String line=null;
        
        String mailreg="\\w+@\\w+(\\.\\w+)+";
        Pattern p=Pattern.compile(mailreg);
        
        while((line=bufin.readLine())!=null){
            p.matcher(line);
            Matcher m=p.matcher(line);//匹配器
            while(m.find()){
                System.out.println(m.group());//返回上面被匹配到的输入子序列
            }
        }
    }

    private static void test_1() throws IOException {
        // 1.将文本读取到内存缓冲区
        BufferedReader br=new BufferedReader(new FileReader("D:\\BaiduYunDownload\\mail.txt"));
        
        String line=null;
        //书写正则表达式
        String mailreg="\\w+@\\w+(\\.\\w+)+";
        
        //将规则封装成对象
        Pattern p=Pattern.compile(mailreg); 
        
        while((line=br.readLine())!=null){
            //让正则对象和要作用的字符串关联，获取匹配器对象
            p.matcher(line);
            Matcher m=p.matcher(line);
            //当找到，
            while(m.find()){
                System.out.println(m.group());
            }
        }
    }
}