介绍 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 并不知道;
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 …{/* *,才能*//* *
,,*,读取一个网页全部内容
,,*/public 才能;String getOneHtml (String htmlurl), throws IOException…{
,,,URL url;
,,,String 温度;
,,,StringBuffer sb =, new StringBuffer ();
,,,try …{
,,,,,url =, new URL (htmlurl);
,,,,,BufferedReader 拷贝=,new BufferedReader (new InputStreamReader (url
,,,,,,,,,.openStream (),“utf-8"));//,读取网页全部内容
,,,,,while ((=temp in.readLine ()), !=, null), {…
,,,,,,,sb.append(临时);
,,,,,}
,,,,,in.close ();
,,,}捕捉(MalformedURLException 我)…{
,,,,,System.out.println(“你输入的URL格式有问题!请仔细输入“);
,,,,,me.getMessage ();
,,,,,throw 我;
,,,}catch (IOException e), {…
,,,,,e.printStackTrace ();
,,,,,throw e;
,,,}
,,,return sb.toString ();
,,}/* *,才能*//* *
,,*
,,*,@param s
,,*,@return 获得网页标题
,,*/public 才能;String getTitle (String s),…{
,,,String 正则表达式;
,,,String title =,““
,,,List, list =, new ArrayList ();
,,,regex =,“& lt; title>。* ? & lt;/title>“;
,,,Pattern pa =, Pattern.compile(正则表达式,Pattern.CANON_EQ);
,,,Matcher ma =, pa.matcher(年代);
,,,while (ma.find ()), {…
,,,,,list.add (ma.group ());
,,,}
,,,for (int 小姐:=,0;,小姐:& lt;, list.size();,我+ +),{…
,,,,,title =, title +, list.get(我);
,,,}
,,,return outTag(标题);
,,}/* *,才能*//* *
,,*
,,*,@param s
,,*,@return 获得链接
,,*/public 才能;List< String>, getLink (String s),…{
,,,String 正则表达式;
,,,List, list =, new ArrayList ();
,,,regex =,“& lt;[^祝辞]* href=https://www.yisu.com/zixun/(“([^] *)“|”([^] *)的|([^年代>]*))[^>]*> (. * ?)”;
Pattern.DOTALL pa=Pattern.compile模式(正则表达式);
匹配器马=pa.matcher(年代);
而(ma.find ())…{
list.add (ma.group ());
}
返回列表;
}/* * *//* *
*
* @param年代
* @return获得脚本代码
*/公共列表<字符串> getScript (String s) {…
字符串正则表达式;
列表<字符串>=new ArrayList <字符串> ();
regex=" <脚本。* ?> getCSS (String s) {…
字符串正则表达式;
列表<字符串>=new ArrayList <字符串> ();
regex=" <风格。* ?> "," ");
}
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,,
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的到。
