Java網頁數據采集器實例教程：數據存儲

作者：SoFlash 2012-01-04 11:09:10

為了方便我們今后來調用收集到的數據,如何做數據存儲(MySql數據庫)是必須要了解的。所以下文我們針對數據存儲做了詳解的教程。

簡介：

作為全球運用最廣泛的語言,Java 憑借它的高效性,可移植性(跨平臺),代碼的健壯性以及可強大的可擴展性,深受廣大應用程序開發者的喜愛. 作為一門強大的開發語言,正則表達式在其中的應用當然是必不可少的,而且正則表達式的掌握能力也是那些高級程序員的開發功底之體現,做一名合格的網站開發的程序員(尤其是做前端開發),正則表達式是必備的。

最近，由于一些需要，用到了java和正則,做了個的足球網站的數據采集程序，由于是***次做關于java的html頁面數據采集，必然在網上查找了很多資料，但是發現運用如此廣泛的java在使用正則做html采集方面的(中文)文章是少之又少，都是簡單的談了下java正則的概念，沒有真正用在實際網頁html采集，所以實例教程更是***(雖然java有它自己的Html Parser，而且十分強大)，但個人覺得作為如此深入人心的正則表達式,理應有其相關的java實例教程,而且應該很多很全.于是在完成java版的html數據采集程序之后,本人便打算寫個關于正則表達式在java上的html頁面采集,以便有相關興趣的讀者更好的學習.

本期概述：

上期我們講到了html頁面的數據采集,為了方便我們今后來調用收集到的數據,這期我們要講講如何做數據存儲(MySql數據庫).

數據采集頁面 2011-2012賽季英超球隊戰績

關于Java操作MySql

在使用java 操作MySql數據庫之前我們需要在項目文件中導入一個jar包(mysql-connector-java-5.1.18-bin)

可以在MySql官網下載 Connector/J 5.1.18

***次使用MySql? 請看java連接MYSQL

如何在java項目中導入jar包?

請看這個Eclipse下如何導入jar包

關于MySql數據庫

如果是初學者想使用MySql數據庫的話可以去這里XAMPP中文官網下載 XAMPP 套裝

XAMPP（Apache+MySQL+PHP+PERL）是一個功能強大的建 XAMPP 軟件站集成軟件包，而且一鍵式安裝，無需修改配置文件，非常好用。

好了需要準備的事宜都完成了我們開始寫代碼

打開MySql數據庫創建數據庫和表 (拷貝如下代碼到mysql里直接執行即可)

//創建數據庫  htmldatacollection  
CREATE DATABASE htmldatacollection;   
//在創建表之前 我們需要使用數據庫htmldatacollection  
use htmldatacollection;      
//在數據庫里 創建一個表 Premiership 用于存儲我們收集到的數據  
//這里為了方便 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)   
)

創建好后我們來看看數據庫結構

數據庫弄好了我們開始實施java代碼

這里簡單介紹下各個類以及類所包含的方法

DataStorage類以及包含的 dataStore()方法用于數據收集和存儲

import java.io.BufferedReader;  
import java.io.IOException;  
import java.io.InputStreamReader;  
import java.net.URL;  
public class DataStorage {  
    public void dataStore() {  
        // 首先用一個字符串 來裝載網頁鏈接  
        String strUrl= "http://www.footballresults.org/league.php?all=1&league=EngPrem";  
        String sqlLeagues = "";  
        try {  
            // 創建一個url對象來指向 該網站鏈接 括號里()裝載的是該網站鏈接的路徑  
            // 更多可以看看 http://wenku.baidu.com/view/8186caf4f61fb7360b4c6547.html  
            URL url = new URL(strUrl);  
            // InputStreamReader 是一個輸入流讀取器 用于將讀取的字節轉換成字符  
            // 更多可以看看 http://blog.sina.com.cn/s/blog_44a05959010004il.html   
            InputStreamReader isr = new InputStreamReader(url.openStream(),  
                    "utf-8"); // 統一使用utf-8 編碼模式   
            // 使用 BufferedReader 來讀取 InputStreamReader 轉換成的字符  
            BufferedReader br = new BufferedReader(isr);   
            String strRead = ""; // new 一個字符串來裝載 BufferedReader 讀取到的內容  
            // 定義3個正則 用于獲取我們需要的數據   
            String regularDate = "(\\d{1,2}\\.\\d{1,2}\\.\\d{4})";   
            String regularTwoTeam = ">[^<>]*</a>";   
            String regularResult = ">(\\d{1,2}-\\d{1,2})</TD>";   
            //創建 GroupMethod類的對象 gMethod 方便后期調用其類里的 regularGroup方法  
            GroupMethod gMethod = new GroupMethod();   
            //創建DataStructure數據結構 類的對象   用于數據下面的數據存儲  
            DataStructure ds = new DataStructure();   
            //創建MySql類的對象 用于執行MySql語句   
            MySql ms = new MySql();  
            int i = 0; // 定義一個i來記錄循環次數 即收集到的球隊比賽結果數  
            int index = 0; // 定義一個索引 用于獲取分離 2個球隊的數據 因為2個球隊正則是相同的   
            // 開始讀取數據 如果讀到的數據不為空 則往里面讀   
            while ((strRead = br.readLine()) != null) {   
                /**  
                 * 用于捕獲日期數據  
                 */   
                String strGet = gMethod.regularGroup(regularDate, strRead);   
                // 如果捕獲到了符合條件的 日期數據 則打印出來   
                if (!strGet.equals("")) {   
                    //System.out.println("Date:" + strGet);   
                    //將收集到的日期存在數據結構里   
                    ds.date = strGet;   
                    // 這里索引+1 是用于獲取后期的球隊數據   
                    ++index; // 因為在html頁面里 源代碼里 球隊數據是在剛好在日期之后   
                }   
                /**   
                 * 用于獲取2個球隊的數據   
                 */   
                strGet = gMethod.regularGroup(regularTwoTeam, strRead);  
                if (!strGet.equals("") && index == 1) { // 索引為1的是主隊數據   
                    // 通過subtring方法 分離出 主隊數據   
                    strGet = strGet.substring(1, strGet.indexOf("</a>"));   
                    //System.out.println("HomeTeam:" + strGet); // 打印出主隊   
                    //將收集到的主隊名稱 存到 數據結構里   
                    ds.homeTeam = strGet;   
                    index++; // 索引+1之后 為2了   
                 // 通過subtring方法 分離出 客隊   
                } else if (!strGet.equals("") && index == 2) { // 這里索引為2的是客隊數據   
                    strGet = strGet.substring(1, strGet.indexOf("</a>"));   
                    //System.out.println("AwayTeam:" + strGet); // 打印出客隊  
                    //將收集到的客隊名稱 存到數據結構里   
                    ds.awayTeam = strGet;   
                    index = 0;  //收集完客隊名稱后 需要將索引還原 用于收集下一條數據的主隊名稱   
                }   
                /**  
                 * 用于獲取比賽結果   
                 */   
                strGet = gMethod.regularGroup(regularResult, strRead);   
                if (!strGet.equals("")) {   
                    // 這里同樣用到了substring方法 來剔除'<' 和 "</TD>" 標簽 來獲取我們想要的比賽結果   
                    strGet = strGet.substring(1, strGet.indexOf("</TD>"));   
                    //System.out.println("Result:" + strGet);   
                    ds.result = strGet; //將收集到的比賽結果存到數據結構里   
                    //System.out.println();    
                    //MySql插入語句   
                    sqlLeagues = "INSERT INTO Premiership values(\""   
                            + ds.date + "\"," + "\"" + ds.homeTeam   
                            + "\"," + "\"" + ds.awayTeam + "\","+ "\"" + ds.result + "\")";   
                    //調用MySql類的datatoMySql()方法 來執行 MySql插入語句   
                    ms.datatoMySql(sqlLeagues);   
                    i++; //每插入完一條記錄 i+1;   
                    System.out.println("第"+i+"條數據插入成功");  
                }  
            }   
            // 當讀完數據后 記得關閉 BufferReader   
            br.close();   
            //System.out.println("共收集到" + i + "條比賽記錄");// 打印出循環次數  
            //當數據存儲完成后 打印出 收集球隊記錄數   
            System.out.println("數據存儲完畢,共插入數據庫"+i+"條記錄");  
        } catch (IOException e) {  
            // 如果出錯 拋出異常  
            e.printStackTrace();  
        }  
    }  
}

DataStructure類簡單數據結構里面包含了相應的字段用于將收集的數據臨時性存儲

//創建一個數據結構類來 裝載收集到的數據  
public class DataStructure {  
     //定義數據字段  
     public String homeTeam;  
     public String awayTeam;  
     public String date;  
     public String result;  
}

GroupMethod類以及包含的 regularGroup()方法用于正則匹配html 源代碼上的數據

import java.util.regex.Matcher;  
import java.util.regex.Pattern;  
public class GroupMethod {  
    // 傳入2個字符串參數 一個是pattern(我們使用的正則) 另一個matcher是html源代碼  
    public String regularGroup(String pattern, String matcher) {  
        Pattern p = Pattern.compile(pattern, Pattern.CASE_INSENSITIVE);  
        Matcher m = p.matcher(matcher);  
        if (m.find()) { // 如果讀到  
            return m.group();// 返回捕獲的數據  
        } else {  
            return ""; // 否則返回一個空值  
        }  
    }  
}

MySql類以及包含的 datatoMySql() 方法用于執行SQL插入語句將臨時存儲在數據結構里的數據插入到MySql數據庫中

import java.sql.Connection;  
import java.sql.DriverManager;  
import java.sql.SQLException;   
import java.sql.Statement;  
/**   
 * @MySql類用于實施MySql查詢語句  
 */ 9 public class MySql {  
    //定義MySql驅動,數據庫地址,數據庫用戶名 密碼, 執行語句和數據庫連接  
    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;  
    //創建一個插入數據的方法  
    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();  
            }  
            //創建連接  
            conn = DriverManager.getConnection(url, user, password);  
            //創建一個 Statement 對象來將 SQL 語句發送到數據庫  
            stmt = conn.createStatement();  
        } catch (SQLException e) {  
            e.printStackTrace();  
        }  
        try {  
            //執行SQL 插入語句  
            stmt.executeUpdate(insertSQl);  
        } catch (SQLException e) {  
            e.printStackTrace();  
        }  
        try {  
            //執行完 停止執行語句  
            stmt.close();  
            //執行完關閉數據庫連接  
            conn.close();  
        } catch (SQLException e) {  
            e.printStackTrace();  
        }  
    }  
}

Main 主函數用于數據輸出

public class Main {  
    public static void main(String[] args) {  
         //在主函數里調用DataStorage類里的dataStore()方法  
        DataStorage ds = new DataStorage();  
        ds.dataStore();  
    }  
}