零基础写Java知乎爬虫之将抓取的内容存储到本地

说到java的本地存储，肯定使用io流进行操作。
首先，我们需要一个创建文件的函数createnewfile：

public static boolean createnewfile(string filepath) { 
        boolean issuccess = true; 
        // 如有则将"\\"转为"/",没有则不产生任何变化 
        string filepathturn = filepath.replaceall("\\\\", "/"); 
        // 先过滤掉文件名 
        int index = filepathturn.lastindexof("/"); 
        string dir = filepathturn.substring(0, index); 
        // 再创建文件夹 
        file filedir = new file(dir); 
        issuccess = filedir.mkdirs(); 
        // 创建文件 
        file file = new file(filepathturn); 
        try { 
            issuccess = file.createnewfile(); 
        } catch (ioexception e) { 
            issuccess = false; 
            e.printstacktrace(); 
        } 
        return issuccess; 
    } 

然后，我们需要一个写入文件的函数：

public static boolean writeintofile(string content, string filepath, 
            boolean isappend) { 
        boolean issuccess = true; 
        // 先过滤掉文件名 
        int index = filepath.lastindexof("/"); 
        string dir = filepath.substring(0, index); 
        // 创建除文件的路径 
        file filedir = new file(dir); 
        filedir.mkdirs(); 
        // 再创建路径下的文件 
        file file = null; 
        try { 
            file = new file(filepath); 
            file.createnewfile(); 
        } catch (ioexception e) { 
            issuccess = false; 
            e.printstacktrace(); 
        } 
        // 写入文件 
        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; 
    } 

我们把这两个函数封装到一个filereaderwriter.java文件中以便后续使用。
接着我们回到知乎爬虫中。
我们需要给知乎的zhihu封装类加个函数，用来格式化写入到本地时的排版。

public string writestring() { 
        string result = ""; 
        result += "问题：" + question + "\r\n"; 
        result += "描述：" + questiondescription + "\r\n"; 
        result += "链接：" + 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，这样就差不多了，接下来吧mian方法中的system.out.println改成

// 写入本地 
        for (zhihu zhihu : myzhihu) { 
            filereaderwriter.writeintofile(zhihu.writestring(), 
                    "d:/知乎_编辑推荐.txt", true); 
        } 

运行，便可以看到本来在控制台看到的内容已经被写到了本地的txt文件里：

大体一看没什么问题，仔细看看发现问题：存在太多的html标签，主要是<b>和<br>。
我们可以在输出的时候对这些标记进行处理。
先把<br>换成io流里面的\r\n，再把所有的html标签都删除，这样看起来便会清晰很多。

public string writestring() { 
    // 拼接写入本地的字符串 
    string result = ""; 
    result += "问题：" + question + "\r\n"; 
    result += "描述：" + questiondescription + "\r\n"; 
    result += "链接：" + 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"; 
    // 将其中的html标签进行筛选 
    result = result.replaceall("<br>", "\r\n"); 
    result = result.replaceall("<.*?>", ""); 
    return result; 
} 

这里的replaceall函数可以使用正则，于是所有的<>标签在最后就都被删除了。