java正则表达式抽取html数据【macher.group(1).trim()】

淩亂°似流年 2022-08-26 08:46 27阅读 0赞

###     ###

### 由于项目需求，需要抓取一些网站数据，于是这两天研究了下java正则表达式和java模拟http请求。  ###

一直以来，看到正则表达式就头疼，认为很难看懂，需要就从网上搜，但是这次需要抽取的是html数据，样式多样，靠不住百度，只能靠自己了。  
  
介绍下正则表达式学习历程：  
首先是在百度上搜了些简单的入门文章，比如\[a-zA-Z\]、.\*等的意思，然后主要是通过java API文档介绍进行学习，其实里面都比较详细，主要是两个类Pattern和Matcher，  
在包java.util.regex下，使用其实很简单，主要步骤：  
Pattern p = Pattern.compile("a\*b");  
Matcher m = p.matcher("aaaaab");  
boolean b = m.matches();  
  
在学习过程中主要对组有点难懂，查了好久，终于有个文章让我恍然大悟，  
我的理解是，组的主要作用是方便提取数据，例如一个正则表达式"<a>(.\*?)</a>",  
里面包含两个组，第一个就是整个表达式，第二个则是<a></a>里的内容，就是(.\*?)的内容，这样如果m.group(0)提取的内容就是符合整个表达式的内容，包括<a></a>,  
m.group(1)则是里面的内容。 java正则表达式中(a)表示组  
  
下面是我写的一个抓取百度上查看某只股票信息的程序。

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;
    
    public class PersonalData
    {
    public static void main(String[] args) throws Exception{
          URL url= new URL("http://www.baidu.com/s?wd=000897");
          URLConnection urlConnection=   url.openConnection();
          BufferedReader br=new BufferedReader(new InputStreamReader(urlConnection.getInputStream()));
          String str="";
          StringBuffer content=new StringBuffer();
          while((str=br.readLine())!=null){
           content.append(str);
          }
          br.close();
        String regx1="<b style=\"font-size: 1.4em; text-align:center;color:#.*;\">(.*?)</b>(.*?)<b style=\"font-size: 1.1em; color:#.*;\">(.*?)</b>(.*?)开盘:</td> <td style=\"(.*?)\">(.*?)</td>(.*?)<td style=\"  color:#.*;width:91px;\">(.*?)</td>(.*?)<td style=\"  color:(.*?);width:91px;\">(.*?)</td>";
          Pattern p= Pattern.compile(regx1);
          String text=content.toString();
          Matcher  macher =p.matcher(text);
         while(macher.find()){
          System.out.println("现价："+macher.group(1).trim());
          System.out.println("幅度："+macher.group(3).trim());
          System.out.println("开盘价："+macher.group(6).trim());
          System.out.println("最高："+macher.group(8).trim());
          System.out.println("最低："+macher.group(11).trim());
         }
    }
    }

代码简单，没进行封装。（注：百度上搜索看到的股票信息不是即时的，有一定时间的延迟）