实现思路:
1、使用.URL对象,绑定网络上某一个网页的地址
2、通过.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
package regex;import java.io.BufferedReader;import java.io.InputStreamReader;import .URL;import .URLConnection;import java.util.regex.Matcher;import java.util.regex.Pattern;/*** 网络爬虫,抓取网页中的email地址*/public class WebCrawlersDemo {public static void main(String[] args) throws Exception {URL url = new URL("/publicforum/content/english/1/129176.shtml");// 打开连接URLConnection conn = url.openConnection();// 设置连接网络超时时间conn.setConnectTimeout(1000 * 10);// 读取指定网络地址中的文件BufferedReader bufr = new BufferedReader(new InputStreamReader(conn.getInputStream()));String line = null;String regex = "[a-zA-Z0-9_-]+@\\w+\\.[a-z]+(\\.[a-z]+)?";// 匹配email的正则Pattern p = pile(regex);while((line = bufr.readLine()) != null) {Matcher m = p.matcher(line);while(m.find()) {System.out.println(m.group());// 获得匹配的email}}}}
结果: