正则表达式--――网页爬虫

网页爬虫

import java.net.*;
import java.io.*;
import java.util.regex.*;
class findMail
{
	public static void main(String[] args) throws Exception
	{
		//读取流 关联文件
		//BufferedReader bin = new BufferedReader(new FileReader("mail.txt"));
		//获取网页上的数据  需要获取输入流 来自网页端的 URLConnection的getInputStream()来获取输入流
		URL url = new URL("http://127.0.0.1:8080/myweb/mail.html");
		URLConnection conn = url.openConnection();
		BufferedReader bin = new BufferedReader(new InputStreamReader(conn.getInputStream()));

		String line = null;
		//定义 邮箱 格式 正则规则
		String mailreg = "\\w{2,13}@\\w{2,5}(\\.[a-z]+)+";
		//正则规则 封装模式 对象
		Pattern p = Pattern.compile(mailreg);
		while ((line = bin.readLine())!=null)
		{
			Matcher m = p.matcher(line);//将模式与字符串关联
			if (m.find())
			{
				System.out.println(m.group());
			}
			//System.out.println(line);
		}
	}
}