說到Java的本地存儲，肯定使用IO流進行操作。
首先，我們需要一個創建文件的函數createNewFile：
復制代碼代碼如下:
public static boolean createNewFile(String filePath) {
boolean isSuccess = true;
// 如有則將"\\"轉為"/",沒有則不產生任何變化
String filePathTurn = filePath.replaceAll("\\\\", "/");
// 先過濾掉文件名
int index = filePathTurn.lastIndexOf("/");
String dir = filePathTurn.substring(0, index);
// 再創建文件夾
File fileDir = new File(dir);
isSuccess = fileDir.mkdirs();
// 創建文件
File file = new File(filePathTurn);
try {
isSuccess = file.createNewFile();
} catch (IOException e) {
isSuccess = false;
e.printStackTrace();
}
return isSuccess;
}
然后，我們需要一個寫入文件的函數：
復制代碼代碼如下:
public static boolean writeIntoFile(String content, String filePath,
boolean isAppend) {
boolean isSuccess = true;
// 先過濾掉文件名
int index = filePath.lastIndexOf("/");
String dir = filePath.substring(0, index);
// 創建除文件的路徑
File fileDir = new File(dir);
fileDir.mkdirs();
// 再創建路徑下的文件
File file = null;
try {
file = new File(filePath);
file.createNewFile();
} catch (IOException e) {
isSuccess = false;
e.printStackTrace();
}
// 寫入文件
FileWriter fileWriter = null;
try {
fileWriter = new FileWriter(file, isAppend);
fileWriter.write(content);
fileWriter.flush();
} catch (IOException e) {
isSuccess = false;
e.printStackTrace();
} finally {
try {
if (fileWriter != null)
fileWriter.close();
} catch (IOException e) {
e.printStackTrace();
}
}
return isSuccess;
}
我們把這兩個函數封裝到一個FileReaderWriter.java文件中以便后續使用。
接著我們回到知乎爬蟲中。
我們需要給知乎的Zhihu封裝類加個函數，用來格式化寫入到本地時的排版。
復制代碼代碼如下:
public String writeString() {
String result = "";
result += "問題：" + question + "\r\n";
result += "描述：" + questionDescription + "\r\n";
result += "鏈接：" + zhihuUrl + "\r\n";
for (int i = 0; i < answers.size(); i++) {
result += "回答" + i + "：" + answers.get(i) + "\r\n";
}
result += "\r\n\r\n";
return result;
}
OK，這樣就差不多了，接下來吧mian方法中的System.out.println改成
復制代碼代碼如下:
// 寫入本地
for (Zhihu zhihu : myZhihu) {
FileReaderWriter.writeIntoFile(zhihu.writeString(),
"D:/知乎_編輯推薦.txt", true);
}
運行，便可以看到本來在控制臺看到的內容已經被寫到了本地的txt文件里：
大體一看沒什么問題，仔細看看發現問題：存在太多的html標簽，主要是<b>和<br>。
我們可以在輸出的時候對這些標記進行處理。
先把<br>換成io流里面的\r\n，再把所有的html標簽都刪除，這樣看起來便會清晰很多。
復制代碼代碼如下:
public String writeString() {
// 拼接寫入本地的字符串
String result = "";
result += "問題：" + question + "\r\n";
result += "描述：" + questionDescription + "\r\n";
result += "鏈接：" + zhihuUrl + "\r\n";
for (int i = 0; i < answers.size(); i++) {
result += "回答" + i + "：" + answers.get(i) + "\r\n\r\n";
}
result += "\r\n\r\n\r\n\r\n";
// 將其中的html標簽進行篩選
result = result.replaceAll("<br>", "\r\n");
result = result.replaceAll("<.*?>", "");
return result;
}
這里的replaceAll函數可以使用正則，于是所有的<>標簽在最后就都被刪除了。
