`
services
  • 浏览: 80277 次
  • 性别: Icon_minigender_1
  • 来自: 青岛
社区版块
存档分类
最新评论

网页分析

阅读更多
import java.io.BufferedReader; import java.io.IOException; import java.io.InputStreamReader; import java.net.MalformedURLException; import java.net.URL; import java.util.ArrayList; import java.util.HashMap; import java.util.List; import java.util.regex.Matcher; import java.util.regex.Pattern; /** *//** * * @author 晓峰2007.1.18 抓取雅虎知识堂的文章标题及内容(测试) 手动输入网址抓取,可进一步自动抓取整个知识堂的全部内容 * */ public class WebContent ...{ /** *//** * 读取一个网页全部内容 */ public String getOneHtml(String htmlurl) throws IOException...{ URL url; String temp; StringBuffer sb = new StringBuffer(); try ...{ url = new URL(htmlurl); BufferedReader in = new BufferedReader(new InputStreamReader(url .openStream(), "utf-8"));// 读取网页全部内容 while ((temp = in.readLine()) != null) ...{ sb.append(temp); } in.close(); }catch(MalformedURLException me)...{ System.out.println("你输入的URL格式有问题!请仔细输入"); me.getMessage(); throw me; }catch (IOException e) ...{ e.printStackTrace(); throw e; } return sb.toString(); } /** *//** * * @param s * @return 获得网页标题 */ public String getTitle(String s) ...{ String regex; String title = ""; List list = new ArrayList(); regex = ".*?"; Pattern pa = Pattern.compile(regex, Pattern.CANON_EQ); Matcher ma = pa.matcher(s); while (ma.find()) ...{ list.add(ma.group()); } for (int i = 0; i < list.size(); i++) ...{ title = title + list.get(i); } return outTag(title); } /** *//** * * @param s * @return 获得链接 */ public List getLink(String s) ...{ String regex; List list = new ArrayList(); regex = "]*href=("([^"]*)"|'([^']*)'|([^\s>]*))[^>]*>(.*?)"; Pattern pa = Pattern.compile(regex, Pattern.DOTALL); Matcher ma = pa.matcher(s); while (ma.find()) ...{ list.add(ma.group()); } return list; } /** *//** * * @param s * @return 获得脚本代码 */ public List getScript(String s) ...{ String regex; List list = new ArrayList(); regex = ""; Pattern pa = Pattern.compile(regex, Pattern.DOTALL); Matcher ma = pa.matcher(s); while (ma.find()) ...{ list.add(ma.group()); } return list; } /** *//** * * @param s * @return 获得CSS */ public List getCSS(String s) ...{ String regex; List list = new ArrayList(); regex = ""; Pattern pa = Pattern.compile(regex, Pattern.DOTALL); Matcher ma = pa.matcher(s); while (ma.find()) ...{ list.add(ma.group()); } return list; } /** *//** * * @param s * @return 去掉标记 */ public String outTag(String s) ...{ return s.replaceAll("<.*?>", ""); } /** *//** * * @param s * @return 获取雅虎知识堂文章标题及内容 */ public HashMap getFromYahoo(String s) ...{ HashMap hm = new HashMap(); StringBuffer sb = new StringBuffer(); String html=""; System.out.println(" ------------------开始读取网页(" + s + ")--------------------"); try...{ html= getOneHtml(s); }catch(Exception e)...{ e.getMessage(); } // System.out.println(html); System.out.println("------------------读取网页(" + s + ")结束-------------------- "); System.out.println("------------------分析(" + s + ")结果如下-------------------- "); String title = outTag(getTitle(html)); title = title.replaceAll("_雅虎知识堂", ""); // Pattern pa=Pattern.compile("
(.*?)(( )*)(.*?)(( )*)(.*?)
",Pattern.DOTALL); Pattern pa = Pattern.compile("
(.*?)

", Pattern.DOTALL); Matcher ma = pa.matcher(html); while (ma.find()) ...{ sb.append(ma.group()); } String temp = sb.toString(); temp = temp.replaceAll("(
)+?", " ");// 转化换行 temp = temp.replaceAll("

.*?

", "");// 去图片注释 hm.put("title", title); hm.put("original", outTag(temp)); return hm; } /** *//** * * @param args * 测试一组网页,针对雅虎知识堂 */ public static void main(String args[]) ...{ String url=""; List list = new ArrayList(); System.out.print("输入URL,一行一个,输入结束后输入 go 程序开始运行: "); /**//* http://ks.cn.yahoo.com/question/1307121201133.html http://ks.cn.yahoo.com/question/1307121101907.html http://ks.cn.yahoo.com/question/1307121101907_2.html http://ks.cn.yahoo.com/question/1307121101907_3.html http://ks.cn.yahoo.com/question/1307121101907_4.html http://ks.cn.yahoo.com/question/1307121101907_5.html http://ks.cn.yahoo.com/question/1307121101907_6.html http://ks.cn.yahoo.com/question/1307121101907_7.html http://ks.cn.yahoo.com/question/1307121101907_8.html */ BufferedReader br = new BufferedReader(new InputStreamReader(System.in)); try ...{ while(!(url=br.readLine()).equals("go"))...{ list.add(url); } } catch (Exception e) ...{ e.getMessage(); } WebContent wc = new WebContent(); HashMap hm = new HashMap(); for (int i = 0; i < list.size(); i++) ...{ hm = wc.getFromYahoo(list.get(i)); System.out.println("标题: " + hm.get("title")); System.out.println("内容: " + hm.get("original")); } /**//* String htmlurl[] = { "http://ks.cn.yahoo.com/question/1307121201133.html", "http://ks.cn.yahoo.com/question/1307121101907.html", "http://ks.cn.yahoo.com/question/1307121101907_2.html", "http://ks.cn.yahoo.com/question/1307121101907_3.html", "http://ks.cn.yahoo.com/question/1307121101907_4.html", "http://ks.cn.yahoo.com/question/1307121101907_5.html", "http://ks.cn.yahoo.com/question/1307121101907_6.html", "http://ks.cn.yahoo.com/question/1307121101907_7.html", "http://ks.cn.yahoo.com/question/1307121101907_8.html" }; WebContent wc = new WebContent(); HashMap hm = new HashMap(); for (int i = 0; i < htmlurl.length; i++) { hm = wc.getFromYahoo(htmlurl[i]); System.out.println("标题: " + hm.get("title")); System.out.println("内容: " + hm.get("original")); } */ /**//* * String html=""; String link=""; String sscript=""; String content=""; * System.out.println(htmlurl+" 开始读取网页内容:"); * html=wc.getOneHtml(htmlurl); System.out.println(htmlurl+" * 读取完毕开始分析……"); html=html.replaceAll("()"," * ");//去除脚本 html=html.replaceAll("()"," * ");//去掉CSS html=html.replaceAll(".*?"," ");//除去页面标题 * html=html.replaceAll("]*href=("([^"]*)"|'([^']*)'|([^\s>]*))[^>]*>(.*?)"," * ");//去掉链接 html=html.replaceAll("(\s){2,}?"," ");//除去多余空格 * html=wc.outTag(html);//多余标记 System.out.println(html); */ /**//* * String s[]=html.split(" +"); for(int i=0;is[i].length())?content:s[i]; } * System.out.println(content); */ // System.out.println(htmlurl+"网页内容结束"); /**//* * System.out.println(htmlurl+"网页脚本开始:"); List * script=wc.getScript(html); for(int i=0;i); System.out.println(wc.outTag(html));
分享到:
评论

相关推荐

    e语言-易语言网页分析小助手

    《易语言网页分析小助手》是一款专为编程爱好者和IT专业人士设计的实用工具,它巧妙地结合了易语言(E-Language)的网页操作类.EC模块和超文本浏览框技术,使得用户能够轻松进行网页元素的分析。这款软件的核心功能...

    网页分享插件,可以实现微信、QQ、微博分享

    网页分享插件是一种常见的工具,尤其在现代互联网环境中,它为用户提供了一种便捷的方式,将网页内容快速地分享到各种社交媒体平台,如微信、QQ和微博。本插件的标题和描述表明,它专为PC端和H5(HTML5)网页设计,...

    VB网页分析源代码.rar

    《VB网页分析源代码》是针对网页数据抓取与解析的编程实践,主要采用Visual Basic (VB) 这一编程语言实现。VB是一种基于事件驱动的编程环境,尤其适合开发Windows应用程序,它提供了直观易用的界面设计工具和强大的...

    网页分析-网页分析利器

    网页分析是IT领域中一个重要的细分方向,它涉及到网络数据的采集、处理和解析,以获取有价值的信息。在这个数字化时代,网页分析对于网站优化、用户体验提升、市场研究以及搜索引擎优化(SEO)等都有着不可忽视的...

    jsoup网页分析jar包

    在网页分析领域,Jsoup是一个非常实用的工具,尤其对于那些需要从网站获取结构化数据或者进行爬虫开发的项目。 Jsoup的核心功能包括: 1. **HTML解析**:Jsoup可以解析HTML文档,将其转化为一个复杂的DOM树结构,...

    深度网页分析工具 2.1

    深度网页分析工具2.1是一款专门用于探测和分析网页资源的高效软件,尤其适用于寻找那些隐藏在页面深处或者未直接显示下载链接的资源。这款工具能够帮助用户挖掘出那些不易察觉的信息,提升网络数据获取的效率和深度...

    简单的C#网页分析示例(以淘宝为例)

    这是一个简单的C#编程示例,是我在微软网站上看了一些教程后,第一次用C#语言编码训练的结果,选择了使用使用HttpWebRequest和HttpWebResponse类进行网页获取和正则表达式进行网页分析作为课题。 该训练主要使用...

    delphi10.3开发的简易网页分析与整站下载程序(包含源代码和详细注释)downpage.rar

    《使用Delphi10.3开发简易网页分析与整站下载程序》 在软件开发领域,尤其是对于网络数据处理和信息获取,爬虫程序扮演着重要的角色。本项目基于Delphi10.3,旨在提供一个简易的网页分析与整站下载工具,不仅包括源...

    jQuery点按钮一键分享代码_网页分享代码

    jQuery点按钮一键分享代码_网页分享代码

    微网页分享到微信朋友圈插件代码

    微网页分享到微信朋友圈插件代码

    微信小程序web-view源码(内嵌网页分享功能).zip

    本压缩包中的源码着重展示了如何在微信小程序中实现`web-view`内嵌网页并集成分享功能。 首先,我们要理解`web-view`组件的基本用法。在微信小程序的页面配置文件(如`index.wxml`)中,你可以通过以下方式引入`web...

    网页分享插件

    在实际应用中,网页分享插件可以进一步扩展功能,比如添加统计分析,追踪分享次数、来源和用户行为;或者支持更多的社交平台,如微信朋友圈、豆瓣、LinkedIn等,以覆盖更广泛的用户群体。 总之,网页分享插件是连接...

    网页分析程序

    网页分析程序是一种强大的工具,主要用于深入理解网页结构、性能以及用户行为等方面,为网站优化、用户体验提升和数据挖掘提供重要支持。在这个特定的程序中,我们可以看到一系列与网页分析相关的文件,包括数据库...

    C# 网页分析

    本主题聚焦于"C#网页分析抓取",这是一个关于如何使用C#来解析和提取网页信息的重要技术。这一过程通常涉及到网络编程、HTML解析、数据挖掘等多个方面。 首先,我们从网络编程的角度来看,C#中的System.Net命名空间...

    易语言网页分析小助手

    《易语言网页分析小助手》是一款专为编程爱好者和初学者设计的工具,它使用易语言作为编程语言,旨在简化网页内容的解析和提取过程。该小助手提供了丰富的功能,帮助用户快速获取网页中的关键信息,是进行网页数据...

    基于Java的网页分析代码

    在IT领域,网页分析是一项重要的技术,特别是在数据挖掘、搜索引擎优化和网络监控中。本话题主要关注的是如何使用Java语言进行网页分析,结合了“Java”、“网页分析”和“源代码”三个关键标签,我们可以深入探讨这...

    手机端网页分享至微信朋友圈

    在移动互联网时代,手机端网页的分享功能变得越来越重要,特别是在社交网络中,如微信朋友圈。本篇文章将详细探讨“手机端网页分享至微信朋友圈”的技术实现,主要基于H5(HTML5)技术和一个名为NativeShare的插件。...

    网页设计与制作的一些网页分享

    这份名为"网页设计与制作的一些网页分享"的压缩包文件,很可能是为了帮助初学者理解和学习这一领域的基础知识。 首先,我们要了解网页设计的基本概念。网页设计不仅仅是关于美观,更重要的是用户体验。它包括了布局...

    jquery 网页分享功能实现

    轻松实现把网页分享到QQ空间,人人网,百度,开心网等知名网站

Global site tag (gtag.js) - Google Analytics