java html提取_如何用JAVA从HTML源代码中提取有用的文本信息？

如将连接中的流读取出来方法：/**

* 将网页上的数据流转成字符串

* @param url

* @return

* @throws IOError

public String getSourceFromURL(String url) throws IOException {

URL u=new URL(url);

InputStream in=u.openStream();

StringBuilder sb=new StringBuilder();

byte[] buff=new byte[1024];

int len;

while((len=in.read(buff))!=-1){

//此处使用UTF-8编码，如果遇到像新浪这样的网站编码不是UTF-8的，就会乱，

//此处我就不过细处理了

sb.append(new String(buff,0,len,"UTF-8"));

}

in.close();

return String.valueOf(sb);

}

获得网页中的所有数据后，便可以使用正则表达式匹配了，这不得不说要正则表达式灵活运用才方能不用代码进行各种处理了，我的正则表达式都有一段时间没有，又陌生了：

此处我就随便写一个获取标题的正则吧，不过没有做什么就近匹配，如果页面有多个能匹配到的标签，那么可能会匹配不到想要的

java html提取_如何用JAVA从HTML源代码中提取有用的文本信息？相关推荐

java 判断手机号_如何用java判断手机号运营商?
如何用java实现判断手机号的运营商?因为每个号段都是工信部规定划分给指定运营商的,所以我们可以通过手机号码的号段来判断. 现在手机号的号段那么多,要怎样方便的的判断呢?于是我们就想到了正则表达式,在 ...
java 网络爬虫_如何用Java实现网络爬虫
原标题:如何用Java实现网络爬虫微信公众号"书圈"后台回复[Javapachong1],下载本例的PPT和源码作品描述本章作品是一个能够抓取指定网站ACM比赛信息的爬虫.A ...
java编写正则表达式_如何用Java编写最快的表达式评估器之一
java编写正则表达式当然,标题有点吸引人,但确实如此(您当然不相信自己没有伪造自己的基准,但这是另一回事了). 因此,上周我正在寻找一个小型且可用的库来评估数学表达式. 我几乎直接偶然发现了这个s ...
python java 爬数据_如何用java爬虫爬取网页上的数据
当我们使用浏览器处理网页的时候,有时候是不需要浏览的,例如使用PhantomJS适用于无头浏览器,进行爬取网页数据操作.最近在进行java爬虫学习的小伙伴们有没有想过如何爬取js生成的网络页面吗?别急 ...
java 填充字符串_如何用Java填充字符串？
素胚勾勒不出你从Java 1.5开始,String.format()可用于左/右衬垫给定的字符串.public static String padRight(String s, int n) { r ...
java 字符串加密_如何用JAVA实现字符串简单加密解密？
展开全部 java加密字符串可以使用des加密算法62616964757a686964616fe4b893e5b19e31333363376462,实例如下: package test; import ...
java用户输入_如何用Java获取用户输入？
您可以根据需求使用下列任意选项.import java.util.Scanner; Scanner scan = new Scanner(System.in);String s = scan.next ...
java esc的_如何用Java中的Receipt打印机和ESC / POS命令提高速度
我有一个与Java和热敏打印机通信的应用程序使用Star tsp 100打印机使热敏打印机以条形码/强调/不同尺寸打印收据等. 我可以让程序打印出我喜欢的东西,但打印机很慢.我相信原因是我使用非优选 ...
java画五角星_如何用Java程序写出五角星?
展开全部第一种,用图形 import java.awt.*; import javax.swing.*; public class WuJiaoXing extends JPanel { priva ...

java html提取_如何用JAVA从HTML源代码中提取有用的文本信息？

java html提取_如何用JAVA从HTML源代码中提取有用的文本信息？相关推荐

最新文章

热门文章