這期內容當中小編將會給大家?guī)碛嘘P如何使用正則表達式實現(xiàn)網頁爬蟲，文章內容豐富且以專業(yè)的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

德陽ssl適用于網站、小程序/APP、API接口等需要進行數(shù)據(jù)傳輸應用場景，ssl證書未來市場廣闊！成為創(chuàng)新互聯(lián)建站的ssl證書銷售渠道，可以享受市場價格4-6折優(yōu)惠！如果有意向歡迎電話聯(lián)系或者加微信：028-86922220（備注：SSL證書合作）期待與您的合作！

思路：

1.為模擬網頁爬蟲，我們可以現(xiàn)在我們的tomcat服務器端部署一個1.html網頁。（部署的步驟：在tomcat目錄的webapps目錄的ROOTS目錄下新建一個1.html。使用notepad++進行編輯，編輯內容為：

）

2.使用URL與網頁建立聯(lián)系
3.獲取輸入流，用于讀取網頁中的內容
4.建立正則規(guī)則，因為這里我們是爬去網頁中的郵箱信息，所以建立匹配 郵箱的正則表達式：String regex="\w+@\w+(\.\w+)+";
5.將提取到的數(shù)據(jù)放到集合中。

代碼：

import java.io.BufferedReader;
import java.io.InputStream;
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;
/*
 * 網頁爬蟲:就是一個程序用于在互聯(lián)網中獲取指定規(guī)則的數(shù)據(jù)
 * 
 * 
 */
public class RegexDemo {
 public static void main(String[] args) throws Exception {
 
 List list=getMailByWeb();
 for(String str:list){
 System.out.println(str);
 }
 
 }
 private static List getMailByWeb() throws Exception {
 
 //1.與網頁建立聯(lián)系。使用URL
 String path="http://localhost:8080//1.html";//后面寫雙斜杠是用于轉義
 URL url=new URL(path);
 //2.獲取輸入流
 InputStream is=url.openStream();
 //加緩沖
 BufferedReader br=new BufferedReader(new InputStreamReader(is));
 //3.提取符合郵箱的數(shù)據(jù)
 String regex="\\w+@\\w+(\\.\\w+)+";
 //進行匹配
 //將正則規(guī)則封裝成對象
 Pattern p=Pattern.compile(regex);
 //將提取到的數(shù)據(jù)放到一個集合中
 List list=new ArrayList();
 
 String line=null;
 while((line=br.readLine())!=null){
 //匹配器
 Matcher m=p.matcher(line);
 while(m.find()){
 //3.將符合規(guī)則的數(shù)據(jù)存儲到集合中
 list.add(m.group());
 }
 }
 
 return list;
 }
}

注意:在執(zhí)行前需要先開啟tomcat服務器

運行結果：

上述就是小編為大家分享的如何使用正則表達式實現(xiàn)網頁爬蟲了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注創(chuàng)新互聯(lián)行業(yè)資訊頻道。