JAva正規表現実戦(Webサイトに表示されるハイパーリンクを取得)
一部のサイトは逆さまに登って、使えないかもしれませんが、この主な目的は正規表現を練習することです.
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URL;
import java.nio.charset.Charset;
import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* FileName: WebSpider
* Author: Jerry
* Date: 2020/4/24 16:40
* Description:
*/
public class WebSpider {
public static String getURLContent(String urlStr,Charset charset){
StringBuilder sb = new StringBuilder();
try{
URL url = new URL(urlStr);
BufferedReader reader = new BufferedReader(new InputStreamReader(url.openStream(), charset));
String temp="";
while((temp=reader.readLine())!=null){
sb.append(temp).append("
");
}
} catch (IOException e) {
e.printStackTrace();
}
return sb.toString();
}
public static List<String> getMatherSubstrs(String destStr,String regexStr){
Pattern p = Pattern.compile(regexStr);
List<String> result=new ArrayList<>();
Matcher m = p.matcher(destStr);
while(m.find()){
result.add(m.group(1));
}
return result;
}
public static void main(String[]args){
String urlStr="https://www.163.com/";
String destStr = getURLContent(urlStr,Charset.forName("gbk"));// ,
List<String> list=getMatherSubstrs(destStr,"href=\"(http[\\w\\s./:]+?)\"");
for(String string:list){
System.out.println(string);
}
}
}