383
Java正則表達式（一）、抓取網頁email地址實例
實現思路：
1、使用java.net.URL對象，綁定網絡上某一個網頁的地址
2、通過java.net.URL對象的openConnection()方法獲得一個HttpConnection對象
3、通過HttpConnection對象的getInputStream()方法獲得該網絡文件的輸入流對象InputStream
4、循環讀取流中的每一行數據，並由Pattern對象編譯的正則表達式區配每一行字符，取得email地址
package regex;
import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.net.URL;
import java.net.URLConnection;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* 網絡爬蟲，抓取網頁中的email地址
*/
public class WebCrawlersDemo {
public static void main(String[] args) throws Exception {
URL url = new URL("https://www.tianya.cn/publicforum/content/english/1/129176.shtml");
// 打開連接
URLConnection conn = url.openConnection();
// 設置連接網絡超時時間
conn.setConnectTimeout(1000 * 10);
// 讀取指定網絡地址中的文件
BufferedReader bufr = new BufferedReader(new InputStreamReader(conn.getInputStream()));
String line = null;
String regex = "[a-zA-Z0-9_-]+@\\w+\\.[a-z]+(\\.[a-z]+)?"; // 匹配email的正則
Pattern p = Pattern.compile(regex);
while((line = bufr.readLine()) != null) {
Matcher m = p.matcher(line);
while(m.find()) {
System.out.println(m.group()); // 獲得匹配的email
}
}
}
}
結果：
最後更新：2017-04-02 16:47:44