Java 抓取网页数据

题注：很多时候用到抓取网页数据的功能，以前工作中曾经用到过，今天总结了一下

目的：抓取网页数据多是读一些地址连续的URL，获得页面信息，进而对页面DOM进行分析，处理得到粗糙的数据，然后进行加工，得到我们想要的内容。

首先选择一个地址，比如http://www.51leba.com

 

代码部分如下： 

try{
			URL url = new URL("http://www.51leba.com");
			URLConnection conn = url.openConnection();
			 
			BufferedReader is = new BufferedReader(new InputStreamReader(conn.getInputStream()));
			StringBuffer buffer = new StringBuffer();
			String str;
			while((str = is.readLine()) != null){
				buffer.append(str);
				buffer.append("\n");
				
			}
			str = buffer.toString().replaceAll("<script(.|\n)+?</script>", "").replaceAll("<(.|\n)+?>", "").replaceAll("&nbsp;", " ");
			String[] s = str.split("\n");
			buffer = new StringBuffer();
			for(int i=0;i<s.length;i++){
				if(s[i].trim().equals("") ){
					continue;
				}else{
					buffer.append(s[i]);
					buffer.append("\n");
				}
			}
			System.out.println(buffer.toString());
			
			is.close();
			
		}catch (Exception e) {
			e.printStackTrace();
		}

 

 

 得到的结果是：

欢迎光临51乐吧！
	欢迎光临51乐吧！
		回家倒计时
	 拼音转汉字

 

评论

1 楼 w156445045 2012-08-30  

你这个就是抓取文本啊，比如我要抓取某些特定的数据呢？