写个小程序将新浪读书频道一网打尽

各位朋友，等人等车等吃饭的时候可以干些什么呢？掏出手机看电子书是不错的选择。昨天，我写了一个小程序，基本上可以把新浪读书频道排行榜一网打尽。

程序只用到了Java中的这样一些知识：
1、URL类，用来连接新浪网
2、BufferedReader类，用来读取数据
3、Pattern类和Matcher类，使用正则表达式来提取小说的正文

完整的代码如下：

/*
 * To change this template, choose Tools | Templates
 * and open the template in the editor.
  */
package  ebookdownloaderforsinanzt;

import  java.io.BufferedReader;
import  java.io.InputStreamReader;
import  java.net.URL;
import  java.util.regex.Matcher;
import  java.util.regex.Pattern;

/**
 *
 *  @author  海边沫沫
  */
public   class  Main {

     /**
     *  @param  args the command line arguments
      */
     public   static   void  main(String[] args) {
         int  upbound  =  Integer.parseInt(args[ 1 ]);
         for ( int  i  =   1 ; i <= upbound ; i ++ ){
            System.out.println(getParagraph( " http://book.sina.com.cn/nzt/lit/ " + args[ 0 ] + " / " ,i));
            System.out.println();
        }
    }

     private   static  String getParagraph(String url, int  index) {
         int  status  =   0 ;
        String paragraph  =   "" ;
         try  {
            URL ebook  =   new  URL(url  +  index  +   " .shtml " );
            BufferedReader reader  =   new  BufferedReader( new  InputStreamReader(ebook.openStream()));
            String line;
             while  ((line  =  reader.readLine())  !=   null ) {
                 if  (status  ==   0 ) {
                     // 还没有碰到标题
                    Pattern pattern  =  Pattern.compile( " (.*)<tr><td class=title14 align=center><font color=red><B>(.*)</B></font></td></tr>(.*) " );
                    Matcher matcher  =  pattern.matcher(line);
                     if  (matcher.matches()) {
                        paragraph  +=  matcher.group( 2 );
                        paragraph  +=   " \n\n " ;
                        status  =   1 ;
                    }
                }
                 if  (status  ==   1 ) {
                     // 还没有碰到文章的开头
                    Pattern pattern  =  Pattern.compile( " (.*)<font id=\ " zoom\ "  class=f14><p>(.*)<!--NEWSZW_HZH_BEGIN-->(.*) " );
                    Matcher matcher  =  pattern.matcher(line);
                     if  (matcher.matches()) {
                        paragraph  +=  matcher.group( 2 );
                        status  =   2 ;  // 碰到了正文中的画中画
                    }
                }
                 if  (status  ==   2 ) {
                    Pattern pattern  =  Pattern.compile( " (.*)<!--NEWSZW_HZH_END-->(.*)</p> " );
                    Matcher matcher  =  pattern.matcher(line);
                     if  (matcher.matches()) {
                        paragraph  +=  matcher.group( 2 );
                        status  =   3 ;
                    }
                }
            }

             // 替换掉</p><p>
             return  paragraph.replaceAll( " </p><p> " ,  " \n\n " );
        }  catch  (Exception e) {
            System.out.println(e.toString());
             return   null ;
        }
    }
}

让大家看看截图：

新浪读书频道排行榜：


我写的小程序的运行画面：


下载下来的成果：


最后让大家看看我的IDE，我用上了最新版的NetBeans，还把它的主题改成了苹果样子：


最后要说的是，新浪读书频道上的书，根据URL不同，其源代码的结构也不同，所以要用不同的正则表达式来提取。上面的程序只能提取http://book.sina.com.cn/nzt/lit/小说名/序号.shtml这样的电子书。但是对程序做一点修改是很简单的。