Java网页数据采集器实例教程:数据存储

开发 后端
为了方便我们今后来调用收集到的数据,如何做数据存储(MySql数据库)是必须要了解的。所以下文我们针对数据存储做了详解的教程。

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.

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 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)

  1. //创建数据库  htmldatacollection  
  2. CREATE DATABASE htmldatacollection;   
  3. //在创建表之前 我们需要使用数据库htmldatacollection  
  4. use htmldatacollection;      
  5. //在数据库里 创建一个表 Premiership 用于存储我们收集到的数据  
  6. //这里为了方便 所有字段 全部是字符串格式
  7. CREATE TABLE Premiership(Date varchar(15),  
  8. HomeTeam varchar(20),  
  9. AwayTeam varchar(20),  
  10. Result varchar(20)   
  11. )  

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

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

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

  1. //创建一个数据结构类来 装载收集到的数据  
  2. public class DataStructure {  
  3.      //定义数据字段  
  4.      public String homeTeam;  
  5.      public String awayTeam;  
  6.      public String date;  
  7.      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

  1. import java.util.regex.Matcher;  
  2. import java.util.regex.Pattern;  
  3. public class GroupMethod {  
  4.     // 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  
  5.     public String regularGroup(String pattern, String matcher) {  
  6.         Pattern p = Pattern.compile(pattern, Pattern.CASE_INSENSITIVE);  
  7.         Matcher m = p.matcher(matcher);  
  8.         if (m.find()) { // 如果读到  
  9.             return m.group();// 返回捕获的数据  
  10.         } else {  
  11.             return ""// 否则返回一个空值  
  12.         }  
  13.     }  

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

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

Main 主函数 用于数据输出

  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.     }  

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

附上源代码下载 htmlDataStorage.zip

原文链接:http://www.cnblogs.com/longwu/archive/2012/01/03/2310588.html

【编辑推荐】

  1. J2EE总结:Java命名与目录接口JNDI
  2. Java中运用数组的四种排序方法
  3. Java实现实用的ZIP压缩与解压
  4. Java防止SQL注入的几个途径
  5. 使用Java 2D绘制黑白太极图案
责任编辑:林师授 来源: SoFlash的博客
相关推荐

2021-12-09 15:30:12

采集器开源-iLogtail

2009-09-08 14:18:35

NFS服务器

2009-09-18 11:44:05

Scala实例教程Kestrel

2019-01-24 15:30:09

TensorFlow机器学习

2011-02-18 16:07:46

微软 SQL Serv

2020-10-12 08:19:43

Python爬虫网页数据

2014-08-26 11:46:46

QtAndroid实例教程

2010-08-25 17:08:18

实例教程

2009-11-18 15:39:43

PHP函数

2019-06-17 15:25:17

expandunexpandLinux

2010-08-17 11:02:45

DIV CSS实例教程

2013-01-04 16:17:33

Android开发图像特效图像处理

2011-07-25 16:03:47

XCode 编译

2020-10-26 15:09:35

Python爬虫网页数据

2011-03-17 17:30:06

NginxiptablesDDOS

2009-07-30 14:18:02

ASP.NET实例教程

2013-01-14 17:05:55

UCUI设计菜单栏

2009-06-23 14:08:00

Java Socket

2023-11-28 08:34:39

Python工具

2020-10-25 08:15:47

Scrapy
点赞
收藏

51CTO技术栈公众号