java使用正则抓取网页邮箱

  • Z时代
  • 2024-01-10
  • 分类：IT

使用正则抓捕网上邮箱

这就是我们需要抓捕的网站。

实现思路：

1、使用java.net.URL对象，绑定网络上某一个网页的地址

2、通过java.net.URL对象的openConnection()方法获得一个HttpConnection对象

3、通过HttpConnection对象的getInputStream()方法获得该网络文件的输入流对象InputStream

4、循环读取流中的每一行数据，并由Pattern对象编译的正则表达式区配每一行字符，取得email地址

下面是我们的代码：

package cn.bdqn;
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
//和网络相关的操作
import java.net.URL;
import java.net.URLConnection;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
 * 正则抓取邮箱
 * @author happy
 *
 */
public class Test {
 public static void main(String[] args) throws IOException {
  //1.1 创建一个url对象
  URL url = new URL("https://www.douban.com/group/topic/8845032/"); 
  //1.2 打开连接 
  URLConnection conn = url.openConnection(); 
  //1.3 设置连接网络超时时间 单位为毫秒
  conn.setConnectTimeout(1000 * 10); 
  //1.4 通过流 操作读取指定网络地址中的文件 
  BufferedReader bufr = new BufferedReader(new InputStreamReader(conn.getInputStream())); 
  String line = null; 
  //1.5 匹配email的正则
  String regex = "[a-zA-Z0-9_-]+@\\w+\\.[a-z]+(\\.[a-z]+)?";
  //1.6 使用模式的compile()方法生成模式对象
  Pattern p = Pattern.compile(regex); 
  //1. 
  while((line = bufr.readLine()) != null) { 
   Matcher m = p.matcher(line); 
   while(m.find()) { 
    System.out.println(m.group());// 获得匹配的email 
   } 
  } 
 }
}

这里主要是利用正则来匹配邮箱：

String regex = "[a-zA-Z0-9_-]+@\\w+\\.[a-z]+(\\.[a-z]+)?";

[a-zA-Z0-9_-]只能包含字母、数字、下划线、减号，”+ ”的话就是匹配[a-zA-Z0-9_-]一次或多次，@后可以出现任何非单字符等价于[^a-zA-Z0-9_],他可以重复出现一次或多次，结束后必须要有\.是给.做转义的，然后点后可以出现a到z之间的任意字符。

捕获的结果如下：

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。

以上是 java使用正则抓取网页邮箱 的全部内容， 来源链接： utcz.com/p/209737.html

回到顶部