Java网页数据采集器[中篇-数据存储]【转载】

本期概述

上期我们学习了html页面的数据采集,为了方便我们今后来调用收集到的数据,首先我们需要学习下如何将这些采集到的数据存储起来(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

第一次使用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MySql数据库

#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.

主程序代码
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

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();
        }
    }
}

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(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数据库操作
 * @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

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.

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