簡介：

作為全球運用最廣泛的語言,Java 憑借它的高效性,可移植性(跨平臺),代碼的健壯性以及可強大的可擴展性,深受廣大應用程序開發者的喜愛. 作為一門強大的開發語言,正則表達式在其中的應用當然是必不可少的,而且正則表達式的掌握能力也是那些高級程序員的開發功底之體現,做一名合格的網站開發的程序員(尤其是做前端開發),正則表達式是必備的。

最近，由于一些需要，用到了java和正則,做了個的足球網站的數據采集程序，由于是***次做關于java的html頁面數據采集，必然在網上查找了很多資料，但是發現運用如此廣泛的java在使用正則做html采集方面的(中文)文章是少之又少，都是簡單的談了下java正則的概念，沒有真正用在實際網頁html采集，所以實例教程更是***(雖然java有它自己的Html Parser，而且十分強大)，但個人覺得作為如此深入人心的正則表達式,理應有其相關的java實例教程,而且應該很多很全.于是在完成java版的html數據采集程序之后,本人便打算寫個關于正則表達式在java上的html頁面采集,以便有相關興趣的讀者更好的學習.

本期概述：

上期我們講到了html頁面的數據采集,為了方便我們今后來調用收集到的數據,這期我們要講講如何做數據存儲(MySql數據庫).

數據采集頁面 2011-2012賽季英超球隊戰績

關于Java操作MySql

在使用java 操作MySql數據庫之前 我們需要在項目文件中導入 一個jar包(mysql-connector-java-5.1.18-bin)

可以在MySql官網下載 Connector/J 5.1.18

***次使用MySql? 請看java連接MYSQL

如何在java項目中導入jar包?

請看這個Eclipse下如何導入jar包

關于MySql數據庫

如果是初學者 想使用MySql數據庫的話 可以去這里XAMPP中文官網 下載 XAMPP 套裝

XAMPP（Apache+MySQL+PHP+PERL）是一個功能強大的建 XAMPP 軟件站集成軟件包，而且一鍵式安裝，無需修改配置文件，非常好用。

好了 需要準備的事宜都完成了 我們開始寫代碼

打開MySql數據庫 創建數據庫 和表 (拷貝如下代碼 到mysql里直接執行即可)

//創建數據庫  htmldatacollection  
CREATE DATABASE htmldatacollection;   
//在創建表之前 我們需要使用數據庫htmldatacollection  
use htmldatacollection;      
//在數據庫里 創建一個表 Premiership 用于存儲我們收集到的數據  
//這里為了方便 所有字段 全部是字符串格式
CREATE TABLE Premiership(Date varchar(15),  
HomeTeam varchar(20),  
AwayTeam varchar(20),  
Result varchar(20)   
)  

創建好后 我們來看看數據庫結構

數據庫弄好了 我們開始實施java代碼

這里簡單介紹下各個類以及類所包含的方法

DataStorage類 以及包含的 dataStore()方法 用于數據收集和存儲

import java.io.BufferedReader;  
import java.io.IOException;  
import java.io.InputStreamReader;  
import java.net.URL;  
public class DataStorage {  
    public void dataStore() {  
        // 首先用一個字符串 來裝載網頁鏈接  
        String strUrl= "http://www.footballresults.org/league.php?all=1&league=EngPrem";  
        String sqlLeagues = "";  
        try {  
            // 創建一個url對象來指向 該網站鏈接 括號里()裝載的是該網站鏈接的路徑  
            // 更多可以看看 http://wenku.baidu.com/view/8186caf4f61fb7360b4c6547.html  
            URL url = new URL(strUrl);  
            // InputStreamReader 是一個輸入流讀取器 用于將讀取的字節轉換成字符  
            // 更多可以看看 http://blog.sina.com.cn/s/blog_44a05959010004il.html   
            InputStreamReader isr = new InputStreamReader(url.openStream(),  
                    "utf-8"); // 統一使用utf-8 編碼模式   
            // 使用 BufferedReader 來讀取 InputStreamReader 轉換成的字符  
            BufferedReader br = new BufferedReader(isr);   
            String strRead = ""; // new 一個字符串來裝載 BufferedReader 讀取到的內容  
            // 定義3個正則 用于獲取我們需要的數據   
            String regularDate = "(\\d{1,2}\\.\\d{1,2}\\.\\d{4})";   
            String regularTwoTeam = ">[^<>]*</a>";   
            String regularResult = ">(\\d{1,2}-\\d{1,2})</TD>";   
            //創建 GroupMethod類的對象 gMethod 方便后期調用其類里的 regularGroup方法  
            GroupMethod gMethod = new GroupMethod();   
            //創建DataStructure數據結構 類的對象   用于數據下面的數據存儲  
            DataStructure ds = new DataStructure();   
            //創建MySql類的對象 用于執行MySql語句   
            MySql ms = new MySql();  
            int i = 0; // 定義一個i來記錄循環次數 即收集到的球隊比賽結果數  
            int index = 0; // 定義一個索引 用于獲取分離 2個球隊的數據 因為2個球隊正則是相同的   
            // 開始讀取數據 如果讀到的數據不為空 則往里面讀   
            while ((strRead = br.readLine()) != null) {   
                /**  
                 * 用于捕獲日期數據  
                 */   
                String strGet = gMethod.regularGroup(regularDate, strRead);   
                // 如果捕獲到了符合條件的 日期數據 則打印出來   
                if (!strGet.equals("")) {   
                    //System.out.println("Date:" + strGet);   
                    //將收集到的日期存在數據結構里   
                    ds.date = strGet;   
                    // 這里索引+1 是用于獲取后期的球隊數據   
                    ++index; // 因為在html頁面里 源代碼里 球隊數據是在剛好在日期之后   
                }   
                /**   
                 * 用于獲取2個球隊的數據   
                 */   
                strGet = gMethod.regularGroup(regularTwoTeam, strRead);  
                if (!strGet.equals("") && index == 1) { // 索引為1的是主隊數據   
                    // 通過subtring方法 分離出 主隊數據   
                    strGet = strGet.substring(1, strGet.indexOf("</a>"));   
                    //System.out.println("HomeTeam:" + strGet); // 打印出主隊   
                    //將收集到的主隊名稱 存到 數據結構里   
                    ds.homeTeam = strGet;   
                    index++; // 索引+1之后 為2了   
                 // 通過subtring方法 分離出 客隊   
                } else if (!strGet.equals("") && index == 2) { // 這里索引為2的是客隊數據   
                    strGet = strGet.substring(1, strGet.indexOf("</a>"));   
                    //System.out.println("AwayTeam:" + strGet); // 打印出客隊  
                    //將收集到的客隊名稱 存到數據結構里   
                    ds.awayTeam = strGet;   
                    index = 0;  //收集完客隊名稱后 需要將索引還原 用于收集下一條數據的主隊名稱   
                }   
                /**  
                 * 用于獲取比賽結果   
                 */   
                strGet = gMethod.regularGroup(regularResult, strRead);   
                if (!strGet.equals("")) {   
                    // 這里同樣用到了substring方法 來剔除'<' 和 "</TD>" 標簽 來獲取我們想要的比賽結果   
                    strGet = strGet.substring(1, strGet.indexOf("</TD>"));   
                    //System.out.println("Result:" + strGet);   
                    ds.result = strGet; //將收集到的比賽結果存到數據結構里   
                    //System.out.println();    
                    //MySql插入語句   
                    sqlLeagues = "INSERT INTO Premiership values(\""   
                            + ds.date + "\"," + "\"" + ds.homeTeam   
                            + "\"," + "\"" + ds.awayTeam + "\","+ "\"" + ds.result + "\")";   
                    //調用MySql類的datatoMySql()方法 來執行 MySql插入語句   
                    ms.datatoMySql(sqlLeagues);   
                    i++; //每插入完一條記錄 i+1;   
                    System.out.println("第"+i+"條數據插入成功");  
                }  
            }   
            // 當讀完數據后 記得關閉 BufferReader   
            br.close();   
            //System.out.println("共收集到" + i + "條比賽記錄");// 打印出循環次數  
            //當數據存儲完成后 打印出 收集球隊記錄數   
            System.out.println("數據存儲完畢,共插入數據庫"+i+"條記錄");  
        } catch (IOException e) {  
            // 如果出錯 拋出異常  
            e.printStackTrace();  
        }  
    }  
} 

DataStructure類 簡單數據結構 里面包含了相應的字段 用于將收集的數據臨時性存儲

//創建一個數據結構類來 裝載收集到的數據  
public class DataStructure {  
     //定義數據字段  
     public String homeTeam;  
     public String awayTeam;  
     public String date;  
     public String result;  
} 

 GroupMethod類 以及包含的 regularGroup()方法 用于正則匹配html 源代碼上的數據

import java.util.regex.Matcher;  
import java.util.regex.Pattern;  
public class GroupMethod {  
    // 傳入2個字符串參數 一個是pattern(我們使用的正則) 另一個matcher是html源代碼  
    public String regularGroup(String pattern, String matcher) {  
        Pattern p = Pattern.compile(pattern, Pattern.CASE_INSENSITIVE);  
        Matcher m = p.matcher(matcher);  
        if (m.find()) { // 如果讀到  
            return m.group();// 返回捕獲的數據  
        } else {  
            return ""; // 否則返回一個空值  
        }  
    }  
} 

MySql類 以及包含的 datatoMySql() 方法 用于執行SQL插入語句 將臨時存儲在數據結構里的數據 插入到MySql數據庫中

import java.sql.Connection;  
import java.sql.DriverManager;  
import java.sql.SQLException;   
import java.sql.Statement;  
/**   
 * @MySql類用于實施MySql查詢語句  
 */ 9 public class MySql {  
    //定義MySql驅動,數據庫地址,數據庫用戶名 密碼, 執行語句和數據庫連接  
    public String driver = "com.mysql.jdbc.Driver";  
    public String url = "jdbc:mysql://127.0.0.1:3306/htmldatacollection";  
    public String user = "root";  
    public String password = "root";  
    public Statement stmt = null;  
    public Connection conn = null;  
    //創建一個插入數據的方法  
    public void datatoMySql(String insertSQl) {  
        try {  
            try {  
                Class.forName(driver).newInstance();  
            } catch (Exception e) {  
                System.out.println("Unable to find the local driver");  
                e.printStackTrace();  
            }  
            //創建連接  
            conn = DriverManager.getConnection(url, user, password);  
            //創建一個 Statement 對象來將 SQL 語句發送到數據庫  
            stmt = conn.createStatement();  
        } catch (SQLException e) {  
            e.printStackTrace();  
        }  
        try {  
            //執行SQL 插入語句  
            stmt.executeUpdate(insertSQl);  
        } catch (SQLException e) {  
            e.printStackTrace();  
        }  
        try {  
            //執行完 停止執行語句  
            stmt.close();  
            //執行完關閉數據庫連接  
            conn.close();  
        } catch (SQLException e) {  
            e.printStackTrace();  
        }  
    }  
} 

Main 主函數 用于數據輸出

public class Main {  
    public static void main(String[] args) {  
         //在主函數里調用DataStorage類里的dataStore()方法  
        DataStorage ds = new DataStorage();  
        ds.dataStore();  
    }  
} 

好了 下面我們來執行下 看看結果

數據采集頁面 2011-2012賽季英超球隊戰績

Html頁面截圖-初始階段

MySql數據庫截圖-初始階段

Html頁面截圖-結束階段

MySql數據庫截圖-結束階段

一共收集到 189條記錄

MySql數據庫顯示 189 行數據

這樣 我們2011-2012英超聯盟賽季的比賽戰績就全部收集并存到MySql數據庫里了 :)

當然這里只是抓取并存儲了一個頁面的內容,如果感興趣 想抓去更多的頁面內容 你可以分析下該鏈接后的聯盟名 例如 league=EngPrem 通過改變league名來獲取所有聯 盟的比賽數據 你可以寫個 枚舉接口 把所有球隊的名字放進去. 然后在DataStorage類里 實施該接口 將 枚舉 轉換成 球隊數組

然后來附加到 "http://www.footballresults.org/league.php?all=1&league=" 鏈接后面 來補齊鏈接 循環讀取各個聯盟比賽頁面的內容

同樣 還有更智能的方法 你可以寫個方法 從http://www.footballresults.org/allleagues.php 頁面 獲取所有球隊的名字 同樣循環補齊鏈接 讀取各聯盟頁面內容

附上源代碼下載 htmlDataStorage.zip

原文鏈接：http://www.cnblogs.com/longwu/archive/2012/01/03/2310588.html

【編輯推薦】

1. J2EE總結：Java命名與目錄接口JNDI
2. Java中運用數組的四種排序方法
3. Java實現實用的ZIP壓縮與解壓
4. Java防止SQL注入的幾個途徑
5. 使用Java 2D繪制黑白太極圖案