Java实现网络爬虫 案例代码2：从网上获取《三国演义》全文

案例2：从网上获取《三国演义》全文

需求说明

搭建开发环境，实现《三国演义》全文保存在本地

步骤分析

1. 访问网址：http://www.shicimingju.com/book/sanguoyanyi.html
2. 分析网站URL、文档内容特征
3. 获取网页内容
4. 拆分出需求内容
5. 保存在本地 D:\三国演义.txt

import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStreamReader;
import java.io.OutputStreamWriter;
import java.net.URL;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class NovelDemo {

	/**
	 * 1、根据小说存放位置创建file对象
	 * 2、根据网页结构编写正则，创建pattern对象
	 * 3、编写循环，创建向所有小说章节页面发起网络请求的url对象
	 * 4、网络流BufferReader
	 * 5、创建输入流
	 * 6、循环读取请求得到的内容，使用正则匹配其中的内容
	 * 7、将读取到的内容写入本地文件，知道循环结束
	 * 8、注意代码中的异常处理
	 */

	public static void main(String[] args) {
		// 1、根据小说存放位置创建file对象
		File file = new File("D:\\三国演义.txt");
		if(!file.exists()){ //文件不存在则创建该文件
			try {
				file.createNewFile();
			} catch (IOException e) {
				e.printStackTrace();
			}
		}
		// 2、根据网页结构编写正则，创建pattern对象
		String regex_content = "<p.*?>(.*?)</p>";
		String regex_title = "<h1>(.*?)</h1>";
		Pattern p_content = Pattern.compile(regex_content);
		Pattern p_title = Pattern.compile(regex_title);
		Matcher m_content;
		Matcher m_title;
		// 3、编写循环，创建向所有小说章节页面发起网络请求的url对象
		for (int i = 1; i <= 120; i++) {
			System.out.println("第" + i + "章开始下载。。。");
			try {
				// 创建每一个页面的url对象
				URL url = new URL("http://www.shicimingju.com/book/sanguoyanyi/" + i + ".html");
				// 创建网络读取流
				BufferedReader reader = new BufferedReader(
						new InputStreamReader(url.openStream(), "utf8"));
				// 4、读取网络内容网络流BufferReader
				String str = null;
				// 5、创建输入流
				BufferedWriter writer = new BufferedWriter(
						new OutputStreamWriter(new FileOutputStream(file, true)));
				while ((str = reader.readLine()) != null) {
					m_title = p_title.matcher(str.toString());
					m_content = p_content.matcher(str.toString());
					// 获取小说标题并写入本地文件
					Boolean isEx = m_title.find();
					if (isEx) {
						String title = m_title.group();
						// 清洗得到的数据
						title = title.replace("<h1>", "").replace( "</h1>", "");
						System.out.println(title);
						writer.write("第" + i + "章：" + title + "\n");
					}
					while (m_content.find()) {
						String content = m_content.group();
						// 清洗得到的数据
						content = content.replace("<p>", "")
								.replace("</p>", "")
								.replace("&nbsp;", "")
								.replace("?", "");
						// 把小说内容写入文件
						writer.write(content + "\n");
					}
				}
				System.out.println("第" + i + "章下载完成.........");
				writer.write("\n\n");
				writer.close();
				reader.close();
			} catch (Exception e) {
				System.out.println("下载失败");
				e.printStackTrace();
			}
		}
	}
}

---

超全面的测试IT技术课程，0元立即加入学习！有需要的朋友戳：


腾讯课堂测试技术学习地址

欢迎转载，但未经作者同意请保留此段声明，并在文章页面明显位置给出原文链接。