java读取txt文件,对字符串进行操作后导出txt文件
程序员文章站
2022-05-11 14:31:45
相比于C#,java爬虫,python爬虫更为方便简要,首先呢,python的urllib2包提供了较为完整的访问网页文档的API,再者呢对于摘下来的文章,python的beautifulsoap提供了简洁的文档处理功能,这就成就了他爬虫的优势。 作为一名满脑子要成为一名大牛的程序员小白来讲,倒不是 ......
相比于c#,java爬虫,python爬虫更为方便简要,首先呢,python的urllib2包提供了较为完整的访问网页文档的api,再者呢对于摘下来的文章,python的beautifulsoap提供了简洁的文档处理功能,这就成就了他爬虫的优势。
作为一名满脑子要成为一名大牛的程序员小白来讲,倒不是非要热爱哪一门语言,还是觉得哪一个好用而用之。
那么今天呢就来给大家分享一个我喜欢但是不好用的java爬虫系列...
先上码和效果图
package org.lq.wzq.test; /** * 读取青年网的数据,并进行分析 * xutao 2018-11-22 09:09 */ import java.io.*; import java.net.*; public class pachong { public static void main(string args[]){ //确定爬取的网页地址,此处为青年网热点新闻的网页 //网址为 http://news.youth.cn/sz/201811/t20181121_11792273.htm string strurl="http://news.youth.cn/sz/201811/t20181121_11792273.htm"; //建立url爬取核心对象 try { url url=new url(strurl); //通过url建立与网页的连接 urlconnection conn=url.openconnection(); //通过链接取得网页返回的数据 inputstream is=conn.getinputstream(); system.out.println(conn.getcontentencoding()); //一般按行读取网页数据,并进行内容分析 //因此用bufferedreader和inputstreamreader把字节流转化为字符流的缓冲流 //进行转换时,需要处理编码格式问题 注意一般为gbk或者utf-8(乱码就换另外一个) bufferedreader br=new bufferedreader(new inputstreamreader(is,"gbk")); //按行读取并打印 string line=null; while((line=br.readline())!=null){ system.out.println(line); } br.close(); } catch (exception e) { // todo auto-generated catch block e.printstacktrace(); } } }
查看网站源码,你就会发现程序爬取的其实就是整个网页
而代码则是一行一行输出的,具体的整理关键点在于正则表达式的应用,拿到适合自己的数据,最后在储存到txt或者excle表格中。
具体详情请观看
1.
2.