怎么在Java中利用正则表达式获取网页内容

这篇文章将为大家详细讲解有关怎么在Java中利用正则表达式获取网页内容，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。

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) ...{      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 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 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("<.*?>", "");  }

关于怎么在Java中利用正则表达式获取网页内容就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。