Java提取网站后台数据进行处理并排名

时间：2019-05-17 13:58:51 阅读：178 评论：0 收藏：0 [点我收藏+]

标签：网站链接函数 https 代码 info 后台 .com 核心 raw

Java提取网站后台数据进行处理并排名

一、网页分析

截取的网站链接为：https://www.tiobe.com/tiobe-index/

打开网站后，可以看到这个网站的编程语言排名情况。我们选择下图中的图表，这个图表中有2001-2019年的编程语言每个月的使用率，我需要它的数据。

技术图片

二、数据提取

在网页点右键，点击查看源码：首先我们要编程把源码下载到记事本里，看一下核心代码

 1 URL url = new URL(website);
 2 // 根据链接（字符串格式），生成一个URL对象
 3 HttpURLConnection urlConnection = (HttpURLConnection) url.openConnection();
 4 // 打开URL
 5 BufferedReader reader =new
 6 BufferedReader(new InputStreamReader(urlConnection.getInputStream(), encoding));
 7 // 得到输入流
 8 Save.saveStr("",file,false);
 9 //清空记事本文件的内容
10 while ((str = reader.readLine())!= null) {
11     //每次读取一行，放入记事本中
12 　　 Save.saveStr(str,file,true);
13     Save.saveStr("\r\n",file,true);
14 }

下载完成后，我们打开这个文件，看一看这个文件里的内容，只截取一部分

技术图片

三、数据处理

首先找到我们需要的数据（对应上图的排名的数据），利用正则表达式将数据提取出来。

技术图片

上图是对应的数据，现在利用正则表达式来提取核心代码如下：

 1 //正则表达式要匹配的数据
 2 Pattern dataCompile = Pattern.compile("Date.UTC[(]\\d{4}, \\d{1,2}, \\d{1,2}[)],\\d{1,2}.\\d{3}|name : ‘\\w++(\\W{0,2})? ( \\w++)(\\w++)?‘,data");
 3 String s;
 4 try {
 5     //读入后放入记事本文档中
 6     System.out.println("处理数据中......");
 7     Save.saveStr("",file,false);
 8     while ((s = in.readLine())!=null){
 9     Matcher dataNeed = dataCompile.matcher(s);
10     while (dataNeed.find()){
11     Save.saveStr(dataNeed.group(),file,true);
12     Save.saveStr("\r\n",file,true);
13 }catch (Exception e){
14     e.printStackTrace();
15 }

处理完成后，打开保存的文件，可以看到一下结果，这里仍然只截取一小部分。

技术图片

这个数据中有时间和使用率，这些是我绘图所需要的，这里依然使用正则表达式将他们全部读取出来放入一个类中。

看一下这个类的核心代码

 1 public class Data{
 2 
 3     private String language;          //存放语言名称
 4 
 5     private double data;              //存放使用率
 6 
 7     private String month;             //存放月
 8 
 9     //省略字段的属性
10 }

用这个类来存放数据，用着则表达式来提取文本中的数据，将数据放在这个类实例化的对象中。分别存放这个语言的名字和某一个时间的排名，每一个对象存放一个数据，提取后把这些对象放进10行12列的数组中。然后根据数据的大小进行排序，比如我绘制2002年的数据，排好序了之后的情况如图

技术图片

这是对应的使用率

技术图片

0代表这个时间的数据缺失，由于网站数据的问题，会缺少某一时间的数据，这里设置了一个循环标记，用标记来匹配正则表达式匹配到的月份，如果两个结果不相等则代表这个月数据缺失，当发现数据缺失的时候，会自动为这个月的使用率补0。

另外有看到有两个jav，其实下面的jav是JavaScript语言，我只截取了名字的三个长度，方便清楚的看到排名情况。这里简单的解释一下。

主窗口的设计省略，在选择不同的信息时会出现不同控件。

下面说绘图，绘图在Java的JPanel中绘图。我们要想自由绘图，就需要重写JPanel类中的public void paintComponent(Graphics g)方法然后调用g.drawLine()函数，对排好序的数据进行绘制。图形是根据他们在某一时间固定的排名进行绘制的。

四、程序运行结果

算法实现后首先来看一下运行结果，我还是绘制2002年的排名结果，以便更好对应上图中的排名情况。横轴是月份，竖轴是排名，看效果。

技术图片

x轴以月为单位时，可以绘制2001 – 2019 年的数据，某一时刻缺少数据时，可以自动跳过。

x轴以年为单位时，可以绘制2001 – 2019 年每一年年平均使用率排名或者每一年每一个月的排名情况。

首先来看2001-2019年年平均使用率情况

技术图片

这个是数组里的使用率数据。

技术图片

看一下具体某个月份的排名情况

技术图片

有一些数据空缺是因为某一年的3月份没有数据，我们把排名情况的数据截图下来，可以看到，2001、2008年这两年3月的数据都是0，上文已经说过，0代表数据缺少。

技术图片

可以看到，上图中没有绘制数据的的时间的使用率均为0。

五、实现保存功能

当点击保存按钮时可以把自己绘制的图形保存至计算机中，首先来看核心代码：

 1 //文件选择框，点击确定时，返回选择文件的路径。
 2 public static String fileSave(Component parent,String name) {
 3     JFileChooser fileChooser = new JFileChooser();
 4     fileChooser.setSelectedFile(new File(name));
 5     int result = fileChooser.showSaveDialog(parent);
 6     if (result == JFileChooser.APPROVE_OPTION) {
 7         File file = fileChooser.getSelectedFile();
 8         return file.getAbsolutePath();
 9     }
10     else
11         return null;
12 }