Java如何实现爬虫

这篇文章主要介绍了Java如何实现爬虫，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

一、代码

爬虫的实质就是打开网页源代码进行匹配查找，然后获取查找到的结果。

打开网页：

URL url = new URL("http://www.cnblogs.com/Renyi-Fan/p/6896901.html");

读取网页内容：

BufferedReader bufr = new BufferedReader(new InputStreamReader(url.openStream()));

正则表达式进行匹配：

tring mail_regex = "\\w+@\\w+(\\.\\w+)+";

储存结果：

List list = new ArrayList();

/*
* 获取
* 将正则规则进行对象的封装。
* Pattern p = Pattern.compile("a*b");
* //通过正则对象的matcher方法字符串相关联。获取要对字符串操作的匹配器对象Matcher .
* Matcher m = p.matcher("aaaaab");
* //通过Matcher匹配器对象的方法对字符串进行操作。
* boolean b = m.matches();
*/

import java.io.BufferedReader;import java.io.FileNotFoundException;import java.io.FileReader;import java.io.IOException;import java.io.InputStreamReader;import java.net.URL;import java.util.ArrayList;import java.util.List;import java.util.regex.Matcher;import java.util.regex.Pattern; public class Spider {     public static void main(String[] args) throws IOException {//        List list = getMails();//        for(String mail : list){//            System.out.println(mail);//        }            List list = getMailsByWeb();        for(String mail : list){            System.out.println(mail);        }    }     public static List  getMailsByWeb() throws IOException{        //1,读取源文件。        //URL url = new URL("http://192.168.1.100:8080/myweb/mail.html");        //URL url = new URL("http://localhost:8080/SecondWeb/index.jsp");        URL url = new URL("http://www.cnblogs.com/Renyi-Fan/p/6896901.html");         BufferedReader bufr = new BufferedReader(new InputStreamReader(url.openStream()));          //2,对读取的数据进行规则的匹配。从中获取符合规则的数据.        String mail_regex = "\\w+@\\w+(\\.\\w+)+";         List list = new ArrayList();         Pattern p = Pattern.compile(mail_regex);        String line = null;         while((line=bufr.readLine())!=null){             Matcher m = p.matcher(line);            while(m.find()){                //3,将符合规则的数据存储到集合中。                list.add(m.group());            }         }        return list;    }     public static List  getMails() throws IOException{        //1,读取源文件。        BufferedReader bufr = new BufferedReader(new FileReader("c:\\mail.html"));          //2,对读取的数据进行规则的匹配。从中获取符合规则的数据.        String mail_regex = "\\w+@\\w+(\\.\\w+)+";         List list = new ArrayList();         Pattern p = Pattern.compile(mail_regex);        String line = null;         while((line=bufr.readLine())!=null){             Matcher m = p.matcher(line);            while(m.find()){                //3,将符合规则的数据存储到集合中。                list.add(m.group());            }         }        return list;    }}

二、运行结果

abc1@sina.com.cn1@1.1

感谢你能够认真阅读完这篇文章，希望小编分享的"Java如何实现爬虫"这篇文章对大家有帮助，同时也希望大家多多支持，关注行业资讯频道，更多相关知识等着你来学习!