java 正则表达式 获取 java正则表达式获取url中名称

/*获取网址首页的所有网址和链接文字*/



import java.io.BufferedReader;

import java.io.IOException;

import java.io.InputStreamReader;

import java.net.MalformedURLException;

import java.net.URL;

import java.util.ArrayList;

import java.util.HashMap;

import java.util.List;

import java.util.regex.Matcher;

import java.util.regex.Pattern;




import java.net.*;

import java.io.*;

import java.util.regex.*;


/*

根据指定的规则，通过构造正则表达式获取网址

*/


public class Urls

{

    private String startUrl;                                         //开始采集网址

    String  urlContent;

    String ContentArea;

    private String strAreaBegin ,strAreaEnd ;            //采集区域开始采集字符串和结束采集字符串

    private String stringInUrl,stringNotInUrl;        

    String strContent;//获得的采集内容

    String[] allUrls;                                                            //采集到的所有网址

    private String  regex;                                                 //采集规则

    

    UrlAndTitle   urlAndTitle=new UrlAndTitle();    //存储网址和标题                    

    

    

    public static void main(String[] args)

    {

         Urls myurl=new Urls("<body","/body>");

         myurl.getStartUrl("http://www.zuzwn.com/");

         myurl.getUrlContent();

         myurl.getContentArea();

         myurl.getStartUrl("http://www.zuzwn.com/");

         myurl.getStringNotInUrl("google");

         myurl.Urls();

          
        //System.out.println("startUrl:"+myurl.startUrl);

        //System.out.println("urlcontent:"+myurl.urlContent);

        //System.out.println("ContentArea:"+myurl.ContentArea);

  
    }

    

    

    //初始化构造函数 strAreaBegin 和strAreaEnd

  
    public Urls (String strAreaBegin,String strAreaEnd)

    {

        this.strAreaBegin=strAreaBegin;

        this.strAreaEnd=strAreaEnd;

  }

  

  //

    public void Urls()

    {

        int i=0;

        //String regex ="<a href="?'?http://[a-zA-Z0-9]+/.[a-zA-Z0-9]+/.[a-zA-Z]+/?[/.?[/S|/s]]+[a>]$";

        String regex ="<a.*?/a>";

         //String regex ="http://.*?>";

        Pattern pt=Pattern.compile(regex);

        Matcher mt=pt.matcher(ContentArea);

        while(mt.find())

         {

                 System.out.println(mt.group());

                 i++;

                  
                 //获取标题

                 Matcher title=Pattern.compile(">.*?</a>").matcher(mt.group());  
                 while(title.find())

                 {

                      System.out.println("标题:"+title.group().replaceAll(">|</a>",""));

                 }

                  
                 //获取网址

                 Matcher myurl=Pattern.compile("href=.*?>").matcher(mt.group());  
                 while(myurl.find())

                 {

                      System.out.println("网址:"+myurl.group().replaceAll("href=|>",""));

                 }

                  
                 System.out.println();

                  
                  
         }

      

        System.out.println("共有"+i+"个符合结果");

        

    }    

  
    

    //获得开始采集网址

    public void getStartUrl(String startUrl)

    {

        this.startUrl=startUrl;

    }

    

    //获得网址所在内容;

    public void getUrlContent()

    {

        

        StringBuffer is=new StringBuffer();

        try

        {

            URL myUrl=new URL(startUrl);

            BufferedReader br= new BufferedReader(

                                                        new InputStreamReader(myUrl.openStream()));

                                                            

            String s;                                                

            while((s=br.readLine())!=null)

            {

                is.append(s);

            }                                            

            urlContent=is.toString();

        }

    catch(Exception e)

    

    {  
        System.out.println("网址文件未能输出");

        e.printStackTrace();

    }

        

        

    }

      
    

    //获得网址所在的匹配区域部分

    public void getContentArea()

    {

         int pos1=0,pos2=0;

         pos1= urlContent.indexOf(strAreaBegin)+strAreaBegin.length();

         pos2=urlContent.indexOf(strAreaEnd,pos1);

         ContentArea=urlContent.substring(pos1,pos2);  
    }

    

    //以下两个函数获得网址应该要包含的关键字及不能包含的关键字

    //这里只做初步的实验。后期，保护的关键字及不能包含的关键字应该是不只一个的。

    public void getStringInUrl(String stringInUrl)

    {

         this.stringInUrl=stringInUrl;        

          

    }

    

    public void getStringNotInUrl(String stringNotInUrl)

    {

        this.stringNotInUrl=stringNotInUrl;

    }

    

    //获取采集规则

    

    //获取url网址

    public void getUrl()

    {

      
    }

    

    public String getRegex()

    {

        return regex;

        

    }

    

    class UrlAndTitle

    {

        String myURL;

        String title;

    }

}