Java网页数据采集器[中篇-数据存储]【转载】

时间 2019-11-12

标签 java 网页数据采集中篇存储转载栏目 Java 繁體版

原文原文链接

本期概述php

上期咱们学习了html页面的数据采集,为了方便咱们从此来调用收集到的数据,首先咱们须要学习下如何将这些采集到的数据存储起来(MySql数据库).html

数据采集页面 2011-2012赛季英超球队战绩java

关于Java操做MySqlmysql

在使用java 操做MySql数据库以前咱们须要在项目文件中导入一个jar包(mysql-connector-java-5.1.18-bin)sql

能够在MySql官网下载 Connector/J 5.1.18 数据库

第一次使用MySql? 请看 java链接MYSQL apache

如何在java项目中导入jar包?数据结构

请看这个 Eclipse下如何导入jar包函数

关于MySql数据库 学习

若是是初学者想使用MySql数据库的话能够去这里 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, 并且一键式安装, 无需修改配置文件,很是好用.

好了, 须要准备的事宜都完成了,咱们开始写代码.

打开MySql数据库,建立数据库和表 (拷贝以下代码到mysql里直接执行便可).

建立MySql数据库

#建立数据库  htmldatacollection
CREATE DATABASE htmldatacollection; 
#在建立表以前 咱们须要使用数据库htmldatacollection
use htmldatacollection;    
#在数据库里 建立一个表 Premiership 用于存储咱们收集到的数据
#这里为了方便 全部字段 所有是字符串格式
CREATE TABLE Premiership(
Date varchar(15),
HomeTeam varchar(20),
AwayTeam varchar(20),
Result varchar(20) 
)

建立好后,咱们来看看数据库结构.

主程序代码
数据库弄好了,咱们开始实施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

DataStorage类

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URL;
/**
 * DataStorage类 用于数据的收集和存储
 * @author SoFlash - 博客园  http://www.cnblogs.com/longwu
 */
public class DataStorage {

    public void dataStore() {
        // 首先用一个字符串 来装载网页连接
        String strUrl = "http://www.footballresults.org/league.php?all=1&league=EngPrem";
        
        String sqlLeagues = "";
        try {
            // 建立一个url对象来指向 该网站连接 括号里()装载的是该网站连接的路径
            // 更多能够看看 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
            // 更多能够看看 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 用于获取咱们须要的数据
            String regularDate = "(\\d{1,2}\\.\\d{1,2}\\.\\d{4})";
            String regularTwoTeam = ">[^<>]*</a>";
            String regularResult = ">(\\d{1,2}-\\d{1,2})</TD>";

            //建立 GroupMethod类的对象 gMethod 方便后期调用其类里的 regularGroup方法
            GroupMethod gMethod = new GroupMethod();
            //建立DataStructure数据结构 类的对象   用于数据下面的数据存储
            DataStructure ds = new DataStructure();
            //建立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 由于2个球队正则是相同的
            // 开始读取数据 若是读到的数据不为空 则往里面读
            while ((strRead = br.readLine()) != null) {
                /**
                 * 用于捕获日期数据
                 */
                String strGet = gMethod.regularGroup(regularDate, strRead);
                // 若是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; // 由于在html页面里 源代码里 球队数据是在恰好在日期以后
                }
                /**
                 * 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
                    // 经过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以后 为2了
                    // 经过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 须要将索引还原 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("")) {
                    // 这里一样用到了substring方法 来剔除'<' 和 "</TD>" 标签 来获取咱们想要的比赛结果
                    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) {
            // 若是出错 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

DataStructure 类

/**
 * DataStructure 类 一个简单的数据结构
 * @author SoFlash - 博客园  http://www.cnblogs.com/longwu
 */
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

GroupMethod 类

import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
 * GroupMethod 类 用于匹配和抓取 html页面的数据
 * @author SoFlash - 博客园  http://www.cnblogs.com/longwu
 */
public class GroupMethod {
    // 传入2个字符串参数 一个是pattern(咱们使用的正则) 另外一个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()) { // 若是读到
            return m.group();// 返回捕获的数据
        } else {
            return ""; // 不然返回一个空字符串
        }
    }
}

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

MySql类

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.SQLException;
import java.sql.Statement;

/**
 * MySql类用于实施MySql数据库操做
 * @author SoFlash - 博客园  http://www.cnblogs.com/longwu
 */
public class MySql {
  
    //定义MySql驱动,数据库地址,数据库用户名 密码, 执行语句和数据库链接  
    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;
    
    //建立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();
            }
            //建立链接
            conn = DriverManager.getConnection(url, user, password);
            //建立一个 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 中止执行语句
            stmt.close();
            //执行完关闭数据库链接
            conn.close();
        } catch (SQLException e) {
            e.printStackTrace();
        }
    }
}

Main 主函数用于数据输出

Main 主函数

/**
 * Main 主函数 用于数据输出
 * @author SoFlash - 博客园  http://www.cnblogs.com/longwu
 */
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();
    }
}

运行查看
好了,下面咱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,咱们2011-2012英超联盟赛季的比赛战绩就所有收集并存到MySql数据库里了.

原文地址：http://www.cnblogs.com/longwu/archive/2012/01/03/2310588.html