Java正则表达式（一）、抓取网页email地址实例

小咪咪 2022-06-10 05:07 278阅读 0赞

**实现思路：**

1、使用java.net.URL对象，绑定网络上某一个网页的地址

2、通过java.net.URL对象的openConnection()方法获得一个HttpConnection对象

3、通过HttpConnection对象的getInputStream()方法获得该网络文件的输入流对象InputStream

4、循环读取流中的每一行数据，并由Pattern对象编译的正则表达式区配每一行字符，取得email地址

package regex;
    
    import java.io.BufferedReader;
    import java.io.InputStreamReader;
    import java.net.URL;
    import java.net.URLConnection;
    import java.util.regex.Matcher;
    import java.util.regex.Pattern;
    
    /**
     * 网络爬虫，抓取网页中的email地址
     */
    public class WebCrawlersDemo {
    	
    	public static void main(String[] args) throws Exception {
    		URL url = new URL("http://www.tianya.cn/publicforum/content/english/1/129176.shtml");
    		// 打开连接
    		URLConnection conn = url.openConnection();
    		// 设置连接网络超时时间
    		conn.setConnectTimeout(1000 * 10);
    		// 读取指定网络地址中的文件
    		BufferedReader bufr = new BufferedReader(new InputStreamReader(conn.getInputStream()));
    		String line = null;
    		String regex = "[a-zA-Z0-9_-]+@\\w+\\.[a-z]+(\\.[a-z]+)?";	// 匹配email的正则
    		Pattern p = Pattern.compile(regex);
    		while((line = bufr.readLine()) != null) {
    			Matcher m = p.matcher(line);
    			while(m.find()) {
    				System.out.println(m.group()); // 获得匹配的email
    			}
    		}
    	}
    
    }

***结果：***

![1341079287_9262.jpg][]

[1341079287_9262.jpg]: https://img-my.csdn.net/uploads/201207/01/1341079287_9262.jpg