网页爬虫：其实就一个程序用于在互联网中获取符合指定规则的数据 爬取邮箱地址，爬取的源不同，本地爬取或者是网络爬取
(1)爬取本地数据：
public static List<String> getMails() throws IOException {
// 1.读取源文件
// 爬取本地文件
BufferedReader bufr = new BufferedReader(new FileReader("D:\mail.txt"));
// 2.对读取的数据进行规则的匹配，从中获取符合规则的数据
String mail_regex = "\w+@\w+(\.\w+)+";
List<String> list = new ArrayList<String>();
Pattern p = Pattern.compile(mail_regex);
String line = null;
while ((line = bufr.readLine()) != null) {
Matcher m = p.matcher(line);
while (m.find()) {
// 3.将符合规则的数据存储到集合中
list.add(m.group());
}
}
return list;
}
运行结果：
emdm@cnw.cjn cwec@cwc.cwk.cwe 163@com.cn shuwei_yao@163.com.cn
(2)爬取网络数据
1 public static List<String> getWebMails() throws IOException {
2 // 1.读取源文件
3 URL url = new URL("http://sina.com.cn");
4 BufferedReader bufIn = new BufferedReader(new InputStreamReader(
5 url.openStream()));
6 // 2.对读取的数据进行规则的匹配，从中获取符合规则的数据
7 String mail_regex = "\w+@\w+(\.\w+)+";
8 List<String> list = new ArrayList<String>();
9 Pattern p = Pattern.compile(mail_regex);
10 String line = null;
11 while ((line = bufIn.readLine()) != null) {
12 Matcher m = p.matcher(line);
13 while (m.find()) {
14 // 3.将符合规则的数据存储到集合中
15 list.add(m.group());
16 }
17 }
18 return list;
19 }
运行结果：
jubao@vip.sina.com jubao@vip.sina.com
本文为博主原创文章，转载请注明出处：http://www.cnblogs.com/ysw-go/
1、本博客的原创原创文章，都是本人平时学习所做的笔记，如有错误，欢迎指正。
2、如有侵犯您的知识产权和版权问题，请通知本人，本人会即时做出处理文章。
3、本博客的目的是知识交流所用，转载自其它博客或网站，作为自己的参考资料的，感谢这些文章的原创人员