java爬虫简单实例

爬虫的实质就是打开网页源代码进行匹配查找，然后获取查找到的结果。
/*
* 获取
* 将正则规则进行对象的封装。 
* Pattern p = Pattern.compile("a*b");
* //通过正则对象的matcher方法字符串相关联。获取要对字符串操作的匹配器对象Matcher .
* Matcher m = p.matcher("aaaaab");
* //通过Matcher匹配器对象的方法对字符串进行操作。
* boolean b = m.matches();
*/
package com.js.ai.modules.pointwall.testxfz;

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.MalformedURLException;
import java.net.URL;
import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Spider {
public static List<String> getMailsByWeb() throws IOException{
	//1,读取源文件。
	URL url=new URL("http://www.cnblogs.com/Renyi-Fan/p/6896901.html");
	BufferedReader bufr=new BufferedReader(new InputStreamReader(url.openStream()));
	//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.
	String mail_regex = "\\w+@\\w+(\\.\\w+)+";
	List<String> list=new ArrayList<String>();
	Pattern p = Pattern.compile(mail_regex);
	String line = null;
	while((line=bufr.readLine())!=null){
		Matcher m = p.matcher(line);
		while(m.find()){
			//3,将符合规则的数据存储到集合中。
			list.add(m.group());
		}
	}
	return list;	
}
public static List<String> getMails() throws IOException{
	//1,读取源文件。
	BufferedReader bufr=new BufferedReader(new FileReader("c:\\mail.html"));
	//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.
	   String mail_regex = "\\w+@\\w+(\\.\\w+)+";
	   List<String> list = new ArrayList<String>();
	   Pattern p = Pattern.compile(mail_regex);
	   String line = null;
	   while((line=bufr.readLine())!=null){
	     Matcher m = p.matcher(line);
	     while(m.find()){
	       //3,将符合规则的数据存储到集合中。
	       list.add(m.group());
	     }
	   }	
	return list;	
}
public static void main(String[] args) throws IOException {
//  List<String> list = getMails();
//  for(String mail : list){
//    System.out.println(mail);
//  }
	List<String> list=getMailsByWeb();
	for(String mail:list){
		System.out.println(mail);
	}
}
}