[java] 汇率换算器实现(3)
[java] 汇率换算器实现(3)
Table of Contents
2 前言
在上一篇文章中, 我们充分了解了正则表达式的使用细则. 那么此处就结合java.util.regex库的使用, 实现HtmlTableParse类, 用于提取网页中table的内容.
3 提取简单表单信息
html表格的示例如下:
<table border="1"> <tr> <th>Month</th> <th>Savings</th> </tr> <tr> <td>January</td> <td>$100</td> </tr> </table>
将代码合并为一行后得:
<table border="1"><tr><th>Month</th><th>Savings</th></tr><tr><td>January</td><td>$100</td></tr></table>
针对上面一行书写相关的正则表达式, 获取表单中的内容:
<table.*?>((<tr>.*?</tr>)+?)</table>
这样 $1 就对应着 <tr><th>Month</th><th>Savings</th></tr><tr><td>January</td><td>$100</td></tr> , 接着对匹配后的结果再次进行处理, 使用得正则表达式为:
<tr>(.*?)</tr>
如此, 匹配得到每一行的内容, 如: $1 = <th>Month</th><th>Savings</th>, 接着再使用正则表达式:
<th>(.*?)</th>
就能够得到不同元素, 如:Month, Savings
3.1 Java正则表达式实现简单表单提取
import java.util.regex.*; public class HtmlTable { public static void main(String[] args) { // 目标 String target = "<table border="1"><tr><th>Month</th><th>Savings</th></tr><tr><td>January</td><td>$100</td></tr></table>"; // 正则表达式 String regexTable = "<table.*?>((<tr>.*?</tr>)+?)</table>"; String regexRow = "<tr>(.*?)</tr>"; String regexEle = "(?:<th>|<td>)(.*?)(?:</th>|</td>)"; Pattern r = Pattern.compile(regexTable); // 表单的匹配 Matcher mTable = r.matcher(target); while (mTable.find()) { String strRow = mTable.group(1); System.out.println("Row: "+strRow); // 表单中每一行得匹配 Matcher mRow = Pattern.compile(regexRow).matcher(strRow); while (mRow.find()) { String strEle = mRow.group(1); System.out.println(" Th or td: " + strEle); // 每一行中每个元素得匹配 Matcher mEle = Pattern.compile(regexEle).matcher(strEle); while (mEle.find()) { String result = mEle.group(1); System.out.println(" Element: " + result); } } } } }
但当上述的程序直接运用到 www.usd-cny.com 上时, 发现最终输出的结果为空. 也就是说一点都没有得到匹配. 这是因为上述的匹配规则过于特殊导致的, 下面给出更为普遍的匹配规则, 能够匹配如下面的格式:
格式: <TR bgcolor=""></TR> <TD WIDTH=""></TD> <TD> <DIV ALIGN="center"><b><font color"">element</font></b></td> 匹配规则: final static String REGEX_TABLE = "<table.*?>\s*?((<tr.*?>.*?</tr>)+?)\s*?</table>"; final static String REGEX_ROW = "<tr.*?>\s*?(.*?)\s*?</tr>"; final static String REGEX_ELE = "(?:<th.*?>|<td.*?>)(?:\s*<.*?>)*(?: )?(.*?)(?: )?(?:\s*<.*?>)*?\s*(?:</th>|</td>)";
3.2 重新整理HtmlTable类
package com.cnblogs.grassandmoon; import java.util.regex.*; import java.io.*; public class HtmlTable { final static String ELEMENT_SEPARATOR = " 01"; final static String ROW_SEPARATOR = " 02"; final static String REGEX_TABLE = "<table.*?>\s*?((<tr.*?>.*?</tr>)+?)\s*?</table>"; final static String REGEX_ROW = "<tr.*?>\s*?(.*?)\s*?</tr>"; final static String REGEX_ELE = "(?:<th.*?>|<td.*?>)(?:\s*<.*?>)*(?: )?(.*?)(?: )?(?:\s*<.*?>)*?\s*(?:</th>|</td>)"; public static String extract(int nStartLine, int nEndLine, BufferedReader br) throws IOException { String line; String target = ""; String elements = ""; int i = 0; // iStartLine[0] = 78; // iEndLine[0] = 303; while ((line = br.readLine()) != null) { ++i; if (i < nStartLine) continue; line.trim(); target = target + line; if (i >= nEndLine) break; } // 正则表达式 Pattern r = Pattern.compile(REGEX_TABLE, Pattern.CASE_INSENSITIVE); // 表单的匹配 Matcher mTable = r.matcher(target); if (mTable.find()) { String strRows = mTable.group(1).trim(); // 表单中每一行得匹配 Matcher mRow = Pattern.compile(REGEX_ROW, Pattern.CASE_INSENSITIVE).matcher(strRows); while (mRow.find()) { boolean firstEle = true; String strEle = mRow.group(1).trim(); // System.out.println(" Th or td: " + strEle); // 每一行中每个元素得匹配 Matcher mEle = Pattern.compile(REGEX_ELE, Pattern.CASE_INSENSITIVE).matcher(strEle); if (!elements.equals("")) elements = elements + ROW_SEPARATOR; while (mEle.find()) { String result = mEle.group(1).trim(); if (firstEle) elements = elements + result; else elements = elements + ELEMENT_SEPARATOR + result; firstEle = false; // System.out.println(" Element: " + result); } if (!elements.equals("")) { int len = elements.length(); elements = elements.substring(0, len-2); } } } return new String(elements); } }
4 总结
然后再次对实现代码进行了整理, 完整的代码见:RateExchange @ git
再后续的文中, 将介绍如何使用jsoup从网页中提取相应的信息.