Schreiben Sie Java ohne Fundament und üben Sie den Zhihu-Crawler zuerst mit der Baidu-Homepage (2)

Ah, falsch, kleines Beispiel.

  // 定义一个样式模板，此中使用正则表达式，括号中是要抓的内容
  // 相当于埋好了陷阱匹配的地方就会掉下去
  Pattern pattern = Pattern.compile("href=\"(.+?)\"");
  // 定义一个matcher用来做匹配
  Matcher matcher = pattern.matcher("＜a href=\"index.html\"＞我的主页＜/a＞");
  // 如果找到了
  if (matcher.find()) {
   // 打印出结果
   System.out.println(matcher.group(1));
  }

Ergebnis ausführen:

index.html

Ja, das ist unser erster regulärer Code.

Der Link zum Abrufen von Bildern aus einer solchen Anwendung muss immer zur Hand sein.

Wir kapseln den regulären Matching in eine Funktion und ändern dann den Code wie folgt:

import java.io.*;
import java.net.*;
import java.util.regex.*;
public class Main {
 static String SendGet(String url) {
  // 定义一个字符串用来存储网页内容
  String result = "";
  // 定义一个缓冲字符输入流
  BufferedReader in = null;
  try {
   // 将string转成url对象
   URL realUrl = new URL(url);
   // 初始化一个链接到那个url的连接
   URLConnection connection = realUrl.openConnection();
   // 开始实际的连接
   connection.connect();
   // 初始化 BufferedReader输入流来读取URL的响应
   in = new BufferedReader(new InputStreamReader(
     connection.getInputStream()));
   // 用来临时存储抓取到的每一行的数据
   String line;
   while ((line = in.readLine()) != null) {
    // 遍历抓取到的每一行并将其存储到result里面
    result += line;
   }
  } catch (Exception e) {
   System.out.println("发送GET请求出现异常！" + e);
   e.printStackTrace();
  }
  // 使用finally来关闭输入流
  finally {
   try {
    if (in != null) {
     in.close();
    }
   } catch (Exception e2) {
    e2.printStackTrace();
   }
  }
  return result;
 }
 static String RegexString(String targetStr, String patternStr) {
  // 定义一个样式模板，此中使用正则表达式，括号中是要抓的内容
  // 相当于埋好了陷阱匹配的地方就会掉下去
  Pattern pattern = Pattern.compile(patternStr);
  // 定义一个matcher用来做匹配
  Matcher matcher = pattern.matcher(targetStr);
  // 如果找到了
  if (matcher.find()) {
   // 打印出结果
   return matcher.group(1);
  }
  return "";
 }
 public static void main(String[] args) {
  // 定义即将访问的链接
  String url = "http://www.baidu.com";
  // 访问链接并获取页面内容
  String result = SendGet(url);
  // 使用正则匹配图片的src内容
  String imgSrc = RegexString(result, "即将的正则语法");
  // 打印结果
  System.out.println(imgSrc);
 }
}

Okay, jetzt ist alles fertig, nur noch eine reguläre Grammatik ist übrig!

Welche regelmäßige Aussage ist also angemessener?

Wir haben herausgefunden, dass wir den gesamten src-Link abrufen können, solange wir die Zeichenfolge src="xxxxxx" erfassen.

Also eine einfache reguläre Anweisung: src="(.+?) "

Das Obige ist der Inhalt des Schreibens eines Java Zhihu-Crawlers ohne Grundkenntnisse und der Übung auf der Baidu-Homepage (2). Weitere verwandte Inhalte finden Sie unter PHP chinesische Website (www.php .cn)!