标签：
网页爬虫：其实就一个程序用于在互联网中获取符合指定规则的数据 爬取邮箱地址，爬取的源不同，本地爬取或者是网络爬取
(1)爬取本地数据：
1 public static List<String> getMails() throws IOException { 2 // 1.读取源文件 3 // 爬取本地文件 4 BufferedReader bufr = new BufferedReader(new FileReader("D:\\mail.txt")); 5 // 2.对读取的数据进行规则的匹配，从中获取符合规则的数据 6 String mail_regex = "\\w+@\\w+(\\.\\w+)+"; 7 List<String> list = new ArrayList<String>(); 8 Pattern p = Pattern.compile(mail_regex); 9 String line = null; 10 while ((line = bufr.readLine()) != null) { 11 Matcher m = p.matcher(line); 12 while (m.find()) { 13 // 3.将符合规则的数据存储到集合中 14 list.add(m.group()); 15 } 16 } 17 return list; 18 }
运行结果：
emdm@cnw.cjn cwec@cwc.cwk.cwe 163@com.cn shuwei_yao@163.com.cn
(2)爬取网络数据
1 public static List<String> getWebMails() throws IOException { 2 // 1.读取源文件 3 URL url = new URL("http://sina.com.cn"); 4 BufferedReader bufIn = new BufferedReader(new InputStreamReader( 5 url.openStream())); 6 // 2.对读取的数据进行规则的匹配，从中获取符合规则的数据 7 String mail_regex = "\\w+@\\w+(\\.\\w+)+"; 8 List<String> list = new ArrayList<String>(); 9 Pattern p = Pattern.compile(mail_regex); 10 String line = null; 11 while ((line = bufIn.readLine()) != null) { 12 Matcher m = p.matcher(line); 13 while (m.find()) { 14 // 3.将符合规则的数据存储到集合中 15 list.add(m.group()); 16 } 17 } 18 return list; 19 }
运行结果：
jubao@vip.sina.com
jubao@vip.sina.com
标签：
原文地址：http://www.cnblogs.com/ysw-go/p/5342445.html
