Java网页数据采集器实例教程：数据存储

//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)   
)  
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.

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) {   
                /**  
                 * 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("</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   
                }   
                /**  
                 * 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 "</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();  
        }  
    }  
} 
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.
50.
51.
52.
53.
54.
55.
56.
57.
58.
59.
60.
61.
62.
63.
64.
65.
66.
67.
68.
69.
70.
71.
72.
73.
74.
75.
76.
77.
78.
79.
80.
81.
82.
83.
84.
85.
86.
87.
88.
89.
90.
91.
92.
93.
94.
95.
96.

//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;  
} 
1.
2.
3.
4.
5.
6.
7.
8.

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  
        }  
    }  
} 
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.

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();  
        }  
    }  
} 
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.

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();  
    }  
} 
1.
2.
3.
4.
5.
6.
7.