java使用正则抓取网页邮箱

使用正则抓捕网上邮箱

这就是我们需要抓捕的网站。

实现思路：

1、使用java.net.URL对象，绑定网络上某一个网页的地址
2、通过java.net.URL对象的openConnection()方法获得一个HttpConnection对象
3、通过HttpConnection对象的getInputStream()方法获得该网络文件的输入流对象InputStream
4、循环读取流中的每一行数据，并由Pattern对象编译的正则表达式区配每一行字符，取得email地址

下面是我们的代码：

package cn.bdqn;
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
//和网络相关的操作
import java.net.URL;
import java.net.URLConnection;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

/**
* 正则抓取邮箱
* @author happy
*
*/
public class Test {
public static void main(String[] args) throws IOException {
 //1.1 创建一个url对象
 URL url = new URL("https://www.douban.com/group/topic/8845032/");
 //1.2 打开连接
 URLConnection conn = url.openConnection();
 //1.3 设置连接网络超时时间 单位为毫秒
 conn.setConnectTimeout(1000 * 10);
 //1.4 通过流 操作读取指定网络地址中的文件
 BufferedReader bufr = new BufferedReader(new InputStreamReader(conn.getInputStream()));
 String line = null;
 //1.5 匹配email的正则
 String regex = "[a-zA-Z0-9_-]+@\\w+\\.[a-z]+(\\.[a-z]+)?";
 //1.6 使用模式的compile()方法生成模式对象
 Pattern p = Pattern.compile(regex);
 //1.
 while((line = bufr.readLine()) != null) {
  Matcher m = p.matcher(line);
  while(m.find()) {
   System.out.println(m.group());// 获得匹配的email
  }
 }
}
}

这里主要是利用正则来匹配邮箱：

String regex = "[a-zA-Z0-9_-]+@\\w+\\.[a-z]+(\\.[a-z]+)?";

[a-zA-Z0-9_-]只能包含字母、数字、下划线、减号，”+ ”的话就是匹配[a-zA-Z0-9_-]一次或多次，@后可以出现任何非单字符等价于[^a-zA-Z0-9_],他可以重复出现一次或多次，结束后必须要有\.是给.做转义的，然后点后可以出现a到z之间的任意字符。

捕获的结果如下：