java爬取百度首页logo

标签：

• 两个方法
  • 一个获得Url的网页源代码getUrlContentString，另外一个从源代码中得到想要的地址片段，其中需要用到正则表达式去匹配
• 得到网页源代码的过程：
  • 地址为string，将地址转换为java中的url对象
  • url的openConnection方法返回urlConnection
  • urlConnection的connect方法建立连接
  • 新建一个InputStreamReader对象，其中InputStreamReader的构建需要InputStream输入流对象，而URLConnection的getInputStream方法则返回输入流对象，所以可以连接起来
  • 然后利用建立好的InputStreamReader对象建立BuffereReader对象
  • 从bufferedreader对象中按行读入网页源码，追加到result字符串中，result字符串即为网页源代码字符串
• logo地址匹配
  • ​Pattern pattern = Pattern.compile(patternString);
    • java.util.regex：java类库包，用正则表达式所定义的模式对字符串进行匹配

      它包括两个类：Pattern和Matcher 。

      Pattern： 创建匹配模式字符串。

      Matcher：将匹配模式字符串与输入字符串。

    • pattern的compile方法：将指定的字符编译到模式中
  • Matcher matcher = pattern.matcher(contentString);

java爬取百度首页logo

标签：

原文地址：http://www.cnblogs.com/keedor/p/4319960.html