[转载]Java网页数据采集器实例教程[中篇-数据存储]

baacloud免费翻墙vpn注册使用

[转载]Java网页数据采集器实例教程[中篇-数据存储] – SoFlash – 博客园.

简介:

作为全球运用最广泛的语言,Java 凭借它的高效性,可移植性(跨平台),代码的健壮性以及可强大的可扩展性,深受广大应用程序开发者的喜爱. 作为一门强大的开发语言,正则表达式在其中的应用当然是必不可少的,而且正则表达式的掌握能力也是那些高级程序员的开发功底之体现,做一名合格的网站开发 的程序员(尤其是做前端开发),正则表达式是必备的.

最近,由于一些需要,用到了java和正则,做了个的足球网站的 数据采集程序,由于是第一次做关于java的html页面数据采集,必然在网上查找了很多资料,但是发现运用如此广泛的java在使用正则做html采集 方面的(中文)文章是少之又少,都是简单的谈了下java正则的概念,没有真正用在实际网页html采集,所以实例教程更是寥寥无几(虽然java有它自 己的Html Parser,而且十分强大),但个人觉得作为如此深入人心的正则表达式,理应有其相关的java实例教程,而且应该很多很全.于是在完成java版的 html数据采集程序之后,本人便打算写个关于正则表达式在java上的html页面采集,以便有相关兴趣的读者更好的学习.

本期概述:

上期我们讲到了html页面的数据采集,为了方便我们今后来调用收集到的数据,这期我们要讲讲如何做数据存储(MySQL数据库).

数据采集页面 http://www.footballresults.org/league.php?all=1&league=EngPrem

关于Java操作MySQL

在使用java 操作MySQL数据库之前 我们需要在项目文件中导入 一个jar包(mysql-connector-java-5.1.18-bin)

可以在MySql官网下载 http://www.mysql.com/downloads/connector/j/

如何在java项目中导入jar包?

请看这个 http://blog.csdn.net/justinavril/article/details/2783182

关于MySql数据库

如果是初学者 想使用MySql数据库的话 可以去这里 http://www.apachefriends.org/zh_cn/xampp.html 下载 XAMPP 套装

XAMPP(Apache+MySQL+PHP+PERL)是一个功能强大的建 XAMPP 软件站集成软件包, 而且一键式安装, 无需修改配置文件,非常好用.

好了 需要准备的事宜都完成了 我们开始写代码

打开MySql数据库 创建数据库 和表 (拷贝如下代码 到mysql里直接执行即可)

创建MySql数据库

创建好后 我们来看看数据库结构


数据库弄好了 我们开始实施java代码

这里简单介绍下各个类以及类所包含的方法

DataStorage类 以及包含的 dataStore()方法 用于数据收集和存储

DataStorage类

  1 import java.io.BufferedReader;
  2 import java.io.IOException;
  3 import java.io.InputStreamReader;
  4 import java.net.URL;
  5 
  6 public class DataStorage {
  7 
  8     public void dataStore() {
  9         // 首先用一个字符串 来装载网页链接
 10         String strUrl = "http://www.footballresults.org/league.php?all=1&league=EngPrem";
 11         
 12         String sqlLeagues = "";
 13         try {
 14             // 创建一个url对象来指向 该网站链接 括号里()装载的是该网站链接的路径
 15             // 更多可以看看 http://wenku.baidu.com/view/8186caf4f61fb7360b4c6547.html
 16             URL url = new URL(strUrl);
 17             // InputStreamReader 是一个输入流读取器 用于将读取的字节转换成字符
 18             // 更多可以看看 http://blog.sina.com.cn/s/blog_44a05959010004il.html
 19             InputStreamReader isr = new InputStreamReader(url.openStream(),
 20                     "utf-8"); // 统一使用utf-8 编码模式
 21             // 使用 BufferedReader 来读取 InputStreamReader 转换成的字符
 22             BufferedReader br = new BufferedReader(isr);
 23             String strRead = ""; // new 一个字符串来装载 BufferedReader 读取到的内容
 24 
 25             // 定义3个正则 用于获取我们需要的数据
 26             String regularDate = "(\\d{1,2}\\.\\d{1,2}\\.\\d{4})";
 27             String regularTwoTeam = ">[^<>]*</a>";
 28             String regularResult = ">(\\d{1,2}-\\d{1,2})</TD>";
 29 
 30             //创建 GroupMethod类的对象 gMethod 方便后期调用其类里的 regularGroup方法
 31             GroupMethod gMethod = new GroupMethod();
 32             //创建DataStructure数据结构 类的对象   用于数据下面的数据存储
 33             DataStructure ds = new DataStructure();
 34             //创建MySql类的对象 用于执行MySql语句
 35             MySql ms = new MySql();
 36             int i = 0; // 定义一个i来记录循环次数 即收集到的球队比赛结果数
 37             int index = 0; // 定义一个索引 用于获取分离 2个球队的数据 因为2个球队正则是相同的
 38             // 开始读取数据 如果读到的数据不为空 则往里面读
 39             while ((strRead = br.readLine()) != null) {
 40                 /**
 41                  * 用于捕获日期数据
 42                  */
 43                 String strGet = gMethod.regularGroup(regularDate, strRead);
 44                 // 如果捕获到了符合条件的 日期数据 则打印出来
 45                 
 46                 if (!strGet.equals("")) {
 47                     //System.out.println("Date:" + strGet);
 48                     //将收集到的日期存在数据结构里
 49                     ds.date = strGet;
 50                     // 这里索引+1 是用于获取后期的球队数据
 51                     ++index; // 因为在html页面里 源代码里 球队数据是在刚好在日期之后
 52                 }
 53                 /**
 54                  * 用于获取2个球队的数据
 55                  */
 56                 strGet = gMethod.regularGroup(regularTwoTeam, strRead);
 57                 if (!strGet.equals("") && index == 1) { // 索引为1的是主队数据
 58                     // 通过subtring方法 分离出 主队数据
 59                     strGet = strGet.substring(1, strGet.indexOf("</a>"));
 60                     //System.out.println("HomeTeam:" + strGet); // 打印出主队
 61                     //将收集到的主队名称 存到 数据结构里
 62                     ds.homeTeam = strGet;
 63                     index++; // 索引+1之后 为2了
 64                  // 通过subtring方法 分离出 客队
 65                 } else if (!strGet.equals("") && index == 2) { // 这里索引为2的是客队数据
 66                     strGet = strGet.substring(1, strGet.indexOf("</a>"));
 67                     //System.out.println("AwayTeam:" + strGet); // 打印出客队
 68                     //将收集到的客队名称 存到数据结构里
 69                     ds.awayTeam = strGet;
 70                     index = 0;  //收集完客队名称后 需要将索引还原 用于收集下一条数据的主队名称
 71                 }
 72                 /**
 73                  * 用于获取比赛结果
 74                  */
 75                 strGet = gMethod.regularGroup(regularResult, strRead);
 76                 if (!strGet.equals("")) {
 77                     // 这里同样用到了substring方法 来剔除'<' 和 "</TD>" 标签 来获取我们想要的比赛结果
 78                     strGet = strGet.substring(1, strGet.indexOf("</TD>"));
 79                     //System.out.println("Result:" + strGet);
 80                     ds.result = strGet; //将收集到的比赛结果存到数据结构里
 81                     //System.out.println();
 82                     
 83                     //MySql插入语句
 84                     sqlLeagues = "INSERT INTO Premiership values(\""
 85                             + ds.date + "\"," + "\"" + ds.homeTeam
 86                             + "\"," + "\"" + ds.awayTeam + "\","+ "\"" + ds.result + "\")";
 87                     //调用MySql类的datatoMySql()方法 来执行 MySql插入语句
 88                     ms.datatoMySql(sqlLeagues);
 89                     i++; //每插入完一条记录 i+1;
 90                     System.out.println("第"+i+"条数据插入成功");
 91                 }
 92             }
 93             // 当读完数据后 记得关闭 BufferReader
 94             br.close();
 95             //System.out.println("共收集到" + i + "条比赛记录");// 打印出循环次数
 96             //当数据存储完成后 打印出 收集球队记录数
 97             System.out.println("数据存储完毕,共插入数据库"+i+"条记录");
 98         } catch (IOException e) {
 99             // 如果出错 抛出异常
100             e.printStackTrace();
101         }
102     }
103 }

DataStructure类 以及包含的 DataStructure()方法 简单的数据结构 用于数据临时性的存储

DataStructure类

 1 //创建一个数据结构类来 装载收集到的数据
 2 // DataStructure为构造函数 可以直接调用类 对象来使用其中的数据字段
 3 public class DataStructure { 
 4     //定义数据字段
 5     public String homeTeam;
 6     public String awayTeam;
 7     public String date;
 8     public String result;
 9     //空方法 用于 在DataStorage类里 来调用其数据字段
10     public DataStructure(){}
11     
12 }

GroupMethod类 以及包含的  regularGroup()方法 用于正则匹配html 源代码上的数据

GroupMethod类

 1 import java.util.regex.Matcher;
 2 import java.util.regex.Pattern;
 3 
 4 public class GroupMethod {
 5     // 传入2个字符串参数 一个是pattern(我们使用的正则) 另一个matcher是html源代码
 6     public String regularGroup(String pattern, String matcher) {
 7         Pattern p = Pattern.compile(pattern, Pattern.CASE_INSENSITIVE);
 8         Matcher m = p.matcher(matcher);
 9         if (m.find()) { // 如果读到
10             return m.group();// 返回捕获的数据
11         } else {
12             return ""; // 否则返回一个空值
13         }
14     }
15 }

MySql类 以及包含的 datatoMySql() 方法 用于执行SQL插入语句 将临时存储在数据结构里的数据 插入到MySql数据库中

MySql类

 1 import java.sql.Connection;
 2 import java.sql.DriverManager;
 3 import java.sql.SQLException;
 4 import java.sql.Statement;
 5 
 6 /**
 7  * @MySql类用于实施MySql查询语句
 8  */
 9 public class MySql {
10   
11     //定义MySql驱动,数据库地址,数据库用户名 密码, 执行语句和数据库连接  
12     public String driver = "com.mysql.jdbc.Driver";
13     public String url = "jdbc:mysql://127.0.0.1:3306/htmldatacollection";
14     public String user = "root";
15     public String password = "root";
16     public Statement stmt = null;
17     public Connection conn = null;
18     
19     //创建一个插入数据的方法
20     public void datatoMySql(String insertSQl) {
21 
22         try {
23             try {
24                 Class.forName(driver).newInstance();
25             } catch (Exception e) {
26                 System.out.println("Unable to find the local driver");
27                 e.printStackTrace();
28             }
29             //创建连接
30             conn = DriverManager.getConnection(url, user, password);
31             //创建一个 Statement 对象来将 SQL 语句发送到数据库
32             stmt = conn.createStatement();
33         } catch (SQLException e) {
34             e.printStackTrace();
35         }
36         try {
37             //执行SQL 插入语句
38             stmt.executeUpdate(insertSQl);
39         } catch (SQLException e) {
40             e.printStackTrace();
41         }
42         try {
43             //执行完 停止执行语句
44             stmt.close();
45             //执行完关闭数据库连接
46             conn.close();
47         } catch (SQLException e) {
48             e.printStackTrace();
49         }
50     }
51 }

Main 主函数 用于数据输出

Main主函数

1 public class Main {
2     public static void main(String[] args) {
3          //在主函数里调用DataStorage类里的dataStore()方法
4         DataStorage ds = new DataStorage();
5         ds.dataStore();
6     }
7 }

好了 下面我们来执行下 看看结果

数据采集页面 http://www.footballresults.org/league.php?all=1&league=EngPrem

Html页面截图-初始阶段

MySql数据库截图-初始阶段

Html页面截图-结束阶段

MySql数据库截图-结束阶段

一共收集到 189条记录

MySql数据库显示 189 行数据


附上源代码下载

http://files.cnblogs.com/longwu/htmlDataStorage.zip

赞(0) 打赏
分享到: 更多 (0)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏