设为首页 加入收藏

TOP

Java基础知识:Java实现抽取网页信息
2014-11-24 01:22:53 来源: 作者: 【 】 浏览:1
Tags:Java 基础知识 实现 抽取 网页 信息

Java实现抽取网页信息使用正则表达式及字符串操作,抽取网页信息,实现代码如下:


/* 去script */
public static String trimScript(String content) {
String regEx = "<script[^>]*>[^<]+";
Pattern p = Pattern.compile(regEx);
Matcher m = p.matcher(content);
String result = content;
if (m.find()) {
result = m.replaceAll("");
}
return result;
}
/* 去除注释*/
public static String trimComment(String content) {
String regEx = "";
Pattern p = Pattern.compile(regEx);
Matcher m = p.matcher(content);
String result = content;
if (m.find()) {
result = m.replaceAll("");
}
return result;
}


/* 去除标签 */
public static String trimTag(String content) {
String regEx = "<[^>]+>";
Pattern p = Pattern.compile(regEx);
Matcher m = p.matcher(content);
String result = content;
if (m.find()) {
result = m.replaceAll("");
}
result = result.replace(" ", "").replace(">", "").replace(
">", "");
return result;
}


/* 根据起始位置和结束位置,截取字符串 */
public static String subString(String start, String end, String content) {
int iStart = content.indexOf(start);
int iEnd = content.indexOf(end);
if (iStart < iEnd) {
return content.substring(iStart, iEnd);
}
return null;
}


】【打印繁体】【投稿】【收藏】 【推荐】【举报】【评论】 【关闭】 【返回顶部
分享到: 
上一篇关于pthread_join函数与Linux线程.. 下一篇深入体会Ruby语言中的String类型

评论

帐  号: 密码: (新用户注册)
验 证 码:
表  情:
内  容: