網(wǎng)頁爬蟲：其實(shí)就是一個程序用于在互聯(lián)網(wǎng)中獲取符合指定規(guī)則的數(shù)據(jù)。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
|
package day05; import java.io.BufferedReader; import java.io.IOException; import java.io.InputStreamReader; import java.net.URL; import java.util.ArrayList; import java.util.List; import java.util.regex.Matcher; import java.util.regex.Pattern; public class SpiderDemo { public static void main(String[] args) throws IOException { List<String> list = getMailByWeb(); for (String mail : list) { System.out.println(mail); } } public static List<String> getMailByWeb() throws IOException { URL url = new URL("http://www.itheima.com/aboutt/1376.html"); BufferedReader input = new BufferedReader(new InputStreamReader(url.openStream())); String regex = "\\w+@\\w+(\\.\\w+)+"; Pattern p = Pattern.compile(regex); List<String> list = new ArrayList<String>(); String line = null; while ((line = input.readLine()) != null) { Matcher m = p.matcher(line); while (m.find()) { list.add(m.group()); } } return list; } } |
總結(jié)
Jsoup解析html方法，通常被人稱之為爬蟲技術(shù)。（個人認(rèn)為可能是返回的數(shù)據(jù)，只有一小部分是我們需要的，造成了數(shù)據(jù)的冗余，和網(wǎng)絡(luò)延遲）。
以上就是本文關(guān)于Java 從互聯(lián)網(wǎng)上爬郵箱代碼示例的全部內(nèi)容，希望對大家有所幫助。有什么問題可以隨時留言，小編會及時回復(fù)大家。
原文鏈接：http://blog.csdn.net/u012796139/article/details/50603961
