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。

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 = ">[^<>]*</a>";               String regularResult = ">(\\d{1,2}-\\d{1,2})</TD>";               //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) {                                      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                   }                                      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("</a>"));                       //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("</a>"));                       //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                   }                                      strGet = gMethod.regularGroup(regularResult, strRead);                   if (!strGet.equals("")) {                       // 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                       strGet = strGet.substring(1, strGet.indexOf("</TD>"));                       //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;   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，可以关注编程网行业资讯频道了解更多相关知识。