Java网页数据采集器如何进行数据存储
Java网页数据采集器如何进行数据存储,针对这个问题,这篇文章详细介绍了相对应的分析和解答,希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
员工经过长期磨合与沉淀,具备了协作精神,得以通过团队的力量开发出优质的产品。创新互联建站坚持“专注、创新、易用”的产品理念,因为“专注所以专业、创新互联网站所以易用所以简单”。公司专注于为企业提供成都做网站、网站制作、微信公众号开发、电商网站开发,小程序开发,软件按需设计等一站式互联网企业服务。
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***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***(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.
为了方便我们今后来调用收集到的数据,我们要讲讲如何做数据存储(MySQL数据库).
数据采集页面 2011-2012赛季英超球队战绩
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 Connector/J 5.1.18
***次使用MySql? 请看java连接MYSQL
如何在java项目中导入jar包?
请看这个Eclipse下如何导入jar包
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XAMPP中文官网 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)
//创建数据库 htmldatacollection CREATE DATABASE htmldatacollection; //在创建表之前 我们需要使用数据库htmldatacollection use htmldatacollection; //在数据库里 创建一个表 Premiership 用于存储我们收集到的数据 //这里为了方便 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) )
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
import java.io.BufferedReader; import java.io.IOException; import java.io.InputStreamReader; import java.net.URL; public class DataStorage { public void dataStore() { // 首先用一个字符串 来装载网页链接 String strUrl= "http://www.footballresults.org/league.php?all=1&league=EngPrem"; String sqlLeagues = ""; try { // 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 // 更多可以看看 http://wenku.baidu.com/view/8186caf4f61fb7360b4c6547.html URL url = new URL(strUrl); // InputStreamReader 是一个输入流读取器 用于将读取的字节转换成字符 // 更多可以看看 http://blog.sina.com.cn/s/blog_44a05959010004il.html InputStreamReader isr = new InputStreamReader(url.openStream(), "utf-8"); // 统一使用utf-8 编码模式 // 使用 BufferedReader 来读取 InputStreamReader 转换成的字符 BufferedReader br = new BufferedReader(isr); String strRead = ""; // new 一个字符串来装载 BufferedReader 读取到的内容 // 定义3个正则 用于获取我们需要的数据 String regularDate = "(\\d{1,2}\\.\\d{1,2}\\.\\d{4})"; String regularTwoTeam = ">[^<>]*"; String regularResult = ">(\\d{1,2}-\\d{1,2})"; //创建 GroupMethod类的对象 gMethod 方便后期调用其类里的 regularGroup方法 GroupMethod gMethod = new GroupMethod(); //创建DataStructure数据结构 类的对象 用于数据下面的数据存储 DataStructure ds = new DataStructure(); //创建MySql类的对象 用于执行MySql语句 MySql ms = new MySql(); 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 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 // 开始读取数据 如果读到的数据不为空 则往里面读 while ((strRead = br.readLine()) != null) { /** * 用于捕获日期数据 */ String strGet = gMethod.regularGroup(regularDate, strRead); // 如果捕获到了符合条件的 日期数据 则打印出来 if (!strGet.equals("")) { //System.out.println("Date:" + strGet); //将收集到的日期存在数据结构里 ds.date = strGet; // 这里索引+1 是用于获取后期的球队数据 ++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 } /** * 用于获取2个球队的数据 */ strGet = gMethod.regularGroup(regularTwoTeam, strRead); if (!strGet.equals("") && index == 1) { // 索引为1的是主队数据 // 通过subtring方法 分离出 主队数据 strGet = strGet.substring(1, strGet.indexOf("")); //System.out.println("HomeTeam:" + strGet); // 打印出主队 //将收集到的主队名称 存到 数据结构里 ds.homeTeam = strGet; index++; // 索引+1之后 为2了 // 通过subtring方法 分离出 客队 } else if (!strGet.equals("") && index == 2) { // 这里索引为2的是客队数据 strGet = strGet.substring(1, strGet.indexOf("")); //System.out.println("AwayTeam:" + strGet); // 打印出客队 //将收集到的客队名称 存到数据结构里 ds.awayTeam = strGet; 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 } /** * 用于获取比赛结果 */ strGet = gMethod.regularGroup(regularResult, strRead); if (!strGet.equals("")) { // 这里同样用到了substring方法 来剔除'<' 和 "" 标签 来获取我们想要的比赛结果 strGet = strGet.substring(1, strGet.indexOf("")); //System.out.println("Result:" + strGet); ds.result = strGet; //将收集到的比赛结果存到数据结构里 //System.out.println(); //MySql插入语句 sqlLeagues = "INSERT INTO Premiership values(\"" + ds.date + "\"," + "\"" + ds.homeTeam + "\"," + "\"" + ds.awayTeam + "\","+ "\"" + ds.result + "\")"; //调用MySql类的datatoMySql()方法 来执行 MySql插入语句 ms.datatoMySql(sqlLeagues); i++; //每插入完一条记录 i+1; System.out.println("第"+i+"条数据插入成功"); } } // 当读完数据后 记得关闭 BufferReader br.close(); //System.out.println("共收集到" + i + "条比赛记录");// 打印出循环次数 //当数据存储完成后 打印出 收集球队记录数 System.out.println("数据存储完毕,共插入数据库"+i+"条记录"); } catch (IOException e) { // 如果出错 抛出异常 e.printStackTrace(); } } }
DataStructure类 简单数据结构 里面包含了相应的字段 用于将收集的数据临时性存储
//创建一个数据结构类来 装载收集到的数据 public class DataStructure { //定义数据字段 public String homeTeam; public String awayTeam; public String date; public String result; }
GroupMethod类 以及包含的 regularGroup()方法 用于正则匹配html 源代码上的数据
import java.util.regex.Matcher; import java.util.regex.Pattern; public class GroupMethod { // 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 public String regularGroup(String pattern, String matcher) { Pattern p = Pattern.compile(pattern, Pattern.CASE_INSENSITIVE); Matcher m = p.matcher(matcher); if (m.find()) { // 如果读到 return m.group();// 返回捕获的数据 } else { return ""; // 否则返回一个空值 } } }
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
import java.sql.Connection; import java.sql.DriverManager; import java.sql.SQLException; import java.sql.Statement; /** * @MySql类用于实施MySql查询语句 */ 9 public class MySql { //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 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; //创建一个插入数据的方法 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(); } //创建连接 conn = DriverManager.getConnection(url, user, password); //创建一个 Statement 对象来将 SQL 语句发送到数据库 stmt = conn.createStatement(); } catch (SQLException e) { e.printStackTrace(); } try { //执行SQL 插入语句 stmt.executeUpdate(insertSQl); } catch (SQLException e) { e.printStackTrace(); } try { //执行完 停止执行语句 stmt.close(); //执行完关闭数据库连接 conn.close(); } catch (SQLException e) { e.printStackTrace(); } } }
Main 主函数 用于数据输出
public class Main { public static void main(String[] args) { //在主函数里调用DataStorage类里的dataStore()方法 DataStorage ds = new DataStorage(); ds.dataStore(); } }
好了 下面我们来执行下 看看结果
数据采集页面 2011-2012赛季英超球队战绩
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
这样 我们2011-2012英超联盟赛季的比赛战绩就全部收集并存到MySql数据库里了 :)
当然这里只是抓取并存储了一个页面的内容,如果感兴趣 想抓去更多的页面内容 你可以分析下该链接后的联盟名 例如 league=EngPrem 通过改变league名来获取所有联 盟的比赛数据 你可以写个 枚举接口 把所有球队的名字放进去. 然后在DataStorage类里 实施该接口 将 枚举 转换成 球队数组
然后来附加到 "http://www.footballresults.org/league.php?all=1&league=" 链接后面 来补齐链接 循环读取各个联盟比赛页面的内容
同样 还有更智能的方法 你可以写个方法 从http://www.footballresults.org/allleagues.php 页面 获取所有球队的名字 同样循环补齐链接 读取各联盟页面内容
关于Java网页数据采集器如何进行数据存储问题的解答就分享到这里了,希望以上内容可以对大家有一定的帮助,如果你还有很多疑惑没有解开,可以关注创新互联行业资讯频道了解更多相关知识。
当前文章:Java网页数据采集器如何进行数据存储
标题链接:http://scyanting.com/article/ipssgd.html