欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

java抓取网页数据获取网页中所有的链接实例分享

程序员文章站 2024-02-20 16:02:58
效果图复制代码 代码如下:import java.io.bufferedreader;import java.io.ioexception;import java.io.i...

效果图

java抓取网页数据获取网页中所有的链接实例分享

复制代码 代码如下:

import java.io.bufferedreader;
import java.io.ioexception;
import java.io.inputstreamreader;
import java.net.httpurlconnection;
import java.net.url;
import java.util.arraylist;
import java.util.regex.matcher;
import java.util.regex.pattern;

public class htmlparser {
 /**
  * 要分析的网页
  */
 string htmlurl;

 /**
  * 分析结果
  */
 arraylist<string> hreflist = new arraylist();

 /**
  * 网页编码方式
  */
 string charset;

 public htmlparser(string htmlurl) {
  // todo 自动生成的构造函数存根
  this.htmlurl = htmlurl;
 }

 /**
  * 获取分析结果
  *
  * @throws ioexception
  */
 public arraylist<string> gethreflist() throws ioexception {

  parser();
  return hreflist;
 }

 /**
  * 解析网页链接
  *
  * @return
  * @throws ioexception
  */
 private void parser() throws ioexception {
  url url = new url(htmlurl);
  httpurlconnection connection = (httpurlconnection) url.openconnection();
  connection.setdooutput(true);

  string contenttype = connection.getcontenttype();
  charset = getcharset(contenttype);

  inputstreamreader isr = new inputstreamreader(
    connection.getinputstream(), charset);
  bufferedreader br = new bufferedreader(isr);

  string str = null, rs = null;
  while ((str = br.readline()) != null) {
   rs = gethref(str);

   if (rs != null)
    hreflist.add(rs);
  }

 }

 /**
  * 获取网页编码方式
  *
  * @param str
  */
 private string getcharset(string str) {
  pattern pattern = pattern.compile("charset=.*");
  matcher matcher = pattern.matcher(str);
  if (matcher.find())
   return matcher.group(0).split("charset=")[1];
  return null;
 }

 /**
  * 从一行字符串中读取链接
  *
  * @return
  */
 private string gethref(string str) {
  pattern pattern = pattern.compile("<a href=.*</a>");
  matcher matcher = pattern.matcher(str);
  if (matcher.find())
   return matcher.group(0);
  return null;
 }

 public static void main(string[] arg) throws ioexception {
  htmlparser a = new htmlparser("http://news.163.com/");
  arraylist<string> hreflist = a.gethreflist();
  for (int i = 0; i < hreflist.size(); i++)
   system.out.println(hreflist.get(i));

 }

}