【www.bbyears.com--js教程】
闲来无事,刚学会把git部署到远程服务器,没事做,所以简单做了一个抓取网页信息的小工具,里面的一些数值如果设成参数的话可能扩展性能会更好!希望这是一个好的开始把,也让我对字符串的读取掌握的更加熟练了,值得注意的是JAVA1.8 里面在使用String拼接字符串的时候,会自动把你要拼接的字符串用StringBulider来处理,大大优化了String 的性能,闲话不多说,show my XXX code~
运行效果:
首先打开百度百科,搜索词条,比如“演员”,再按F12查看源码
然后抓取你想要的标签,注入LinkedHashMap里面就ok了,很简单是吧!看看代码罗
代码如下
importjava.io.BufferedReader;
importjava.io.IOException;
importjava.io.InputStreamReader;
importjava.net.HttpURLConnection;
importjava.net.URL;
importjava.util.*;
/**
* Created by chunmiao on 17-3-10.
*/
publicclassReadBaiduSearch {
//储存返回结果
privateLinkedHashMap
//获取搜索信息
publicLinkedHashMap
mapOfBaike = getResult(infomationWords);
returnmapOfBaike;
}
//通过网络链接获取信息
privatestaticLinkedHashMap
//搜索的url
String keyUrl ="http://baike.baidu.com/search?word="+ keywords;
//搜索词条的节点
String startNode ="
- ";
//词条的链接关键字
String keyOfHref ="href=\"";
//词条的标题关键字
String keyOfTitle ="target=\"_blank\">";
String endNode ="
booleanisNode =false;
String title;
String href;
String rLine;
LinkedHashMap
//开始网络请求
URL url =newURL(keyUrl);
HttpURLConnection urlConnection = (HttpURLConnection) url.openConnection();
InputStreamReader inputStreamReader =newInputStreamReader(urlConnection.getInputStream(),"utf-8");
BufferedReader bufferedReader =newBufferedReader(inputStreamReader);
//读取网页内容
while((rLine = bufferedReader.readLine()) !=null){
//判断目标节点是否出现
if(rLine.contains(startNode)){
isNode =true;
}
//若目标节点出现,则开始抓取数据
if(isNode){
//若目标结束节点出现,则结束读取,节省读取时间
if(rLine.contains(endNode)) {
//关闭读取流
bufferedReader.close();
inputStreamReader.close();
break;
}
//若值为空则不读取
if(((title = getName(rLine,keyOfTitle)) !="") && ((href = getHref(rLine,keyOfHref)) !="")){
keyMap.put(title,href);
}
}
}
returnkeyMap;
}
//获取词条对应的url
privatestaticString getHref(String rLine,String keyOfHref){
String baikeUrl ="http://baike.baidu.com";
String result ="";
if(rLine.contains(keyOfHref)){
//获取url
for(intj = rLine.indexOf(keyOfHref) + keyOfHref.length();j < rLine.length()&&(rLine.charAt(j) !='\"');j ++){
result += rLine.charAt(j);
}
//获取的url中可能不含baikeUrl,如果没有则在头部添加一个
if(!result.contains(baikeUrl)){
result = baikeUrl + result;
}
}
returnresult;
}
//获取词条对应的名称
privatestaticString getName(String rLine,String keyOfTitle){
String result ="";
//获取标题内容
if(rLine.contains(keyOfTitle)){
result = rLine.substring(rLine.indexOf(keyOfTitle) + keyOfTitle.length(),rLine.length());
//将标题中的内容含有的标签去掉
result = result.replaceAll("|||","");
}
returnresult;
}
}