从一个网页上摘取想要的元素
Posted AlexanderTheGreat
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了从一个网页上摘取想要的元素相关的知识,希望对你有一定的参考价值。
示例:从网页上摘取页面中的所有邮箱
import java.io.BufferedReader; import java.io.FileReader; import java.io.InputStreamReader; import java.net.URL; import java.net.URLConnection; import java.util.regex.Matcher; import java.util.regex.Pattern; public class Test { public static void main(String[] args) throws Exception { // 1.1 创建一个url对象 URL url = new URL( "https://www.douban.com/group/topic/41562980/?start=500"); // 1.2打开链接 URLConnection conn = url.openConnection(); // 1.3 设置连接网络超时时间 单位为毫秒 conn.setConnectTimeout(1000 * 10); // 1.4 通过流 操作读取指定网络地址中的文件 BufferedReader bufr = new BufferedReader(new InputStreamReader( conn.getInputStream())); String line = null; // 1.5 匹配email的正则 String regex = "[a-zA-Z0-9_-][email protected]\\w+\\.[a-z]+(\\.[a-z]+)?"; // 1.6 使用模式的compile()方法生成模式对象 Pattern p = Pattern.compile(regex); // 1. while ((line = bufr.readLine()) != null) { Matcher m = p.matcher(line); while (m.find()) { System.out.println(m.group());// 获得匹配的email } } } }
以上是关于从一个网页上摘取想要的元素的主要内容,如果未能解决你的问题,请参考以下文章
Python+Selenium练习篇之1-摘取网页上全部邮箱