Java网页数据采集器[下篇-数据查询]

本期概述

上一期我们学习了如何将html采集到的数据存储到MySql数据库中,这期我们来学习下如何在存储的数据中查询我们实际想看到的数据.

数据采集页面 2011-2012赛季英超球队战绩

如果是初学者以下可能对你有帮助

Java如何操作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

如何安装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.

关于,如何在MySql里创建数据库,请看Java网页数据采集器实例教程[中篇-数据存储].

数据库准备好了,我们开始写java程序代码;

这期,我们主要在MySql 类里增加了一个数据查看的方法 queryMySql(),并增加了一个 DataQuery类, 包含了一些比赛结果的查询方法.

主程序代码

这里简单介绍下各个类以及包含的方法

DataCollectionAndStorage类和里面的dataCollectAndStore() 方法用于Html数据采集和存储

DataCollectionAndStorage类

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URL;
/**
 * DataCollectionAndStorage类 用于数据的收集和存储
 * @author SoFlash - 博客园  http://www.cnblogs.com/longwu
 */
public class DataCollectionAndStorage {
   /**
    * dataCollectAndStore()方法  用于Html数据收集和存储
    */
    public void dataCollectAndStore() {
        // 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();
        }
    }
}

DataQuery类里面有4个方法

initialDataBase() 用于清空数据库里的所有比赛数据
getAllTeams() 用于获取当前数据库里所有球队的名字
querySpecifiedTeam() 用于查询具体球队的比赛情况 (可以查看你喜欢的球队比赛结果)
queryByDate() 用于查询具体日期的比赛 (查询某一天的比赛结果)

DataQuery 类

import java.sql.ResultSet;
import java.sql.SQLException;
import java.util.ArrayList;
import java.util.List;
import java.util.Vector;
/**
 * DataQuery 类  用于查询数据库里的信息 包含了不同的方法
 * @author SoFlash - 博客园  http://www.cnblogs.com/longwu
 */
public class DataQuery {
    /**
     * 用于清空数据库里比赛结果
     */
    public void initialDataBase() {
        String initialSql = "delete from premiership";
        MySql ms = new MySql();
        try {
            //MySql类里 提供了一个 删除数据的 方法 executeUpdate()
            ms.datatoMySql(initialSql);
            System.out.println("数据库清空成功!");
        } catch (Exception e) {
            System.out.println("数据库清空失败!");
        }
    }

    /**
     * 用于 获取当前数据库里一共有多少球队 方便后期查看自己喜欢的球队比赛成绩
     * @return 所有的参与过比赛的球队名
     */
    public Vector<String> getAllTeams() {
        //使用一个向量来 存取 从数据库中读到的值
        Vector<String> vecAllTeams = new Vector<String>();
        String allteamsSql = "select HomeTeam,AwayTeam from premiership group by HomeTeam;";
        ResultSet rs = null; 
        MySql ms = new MySql();
        //调用 MySql类里 查看数据的方法
        rs = ms.queryMySql(allteamsSql);
        try {
            //如果 ResultSet数据集里的数据不为空  则获取相应的 数据 添加到 向量vecAllTeams里
            while (rs.next()) {
                if (!vecAllTeams.contains(rs.getString("HomeTeam")))
                    vecAllTeams.add(rs.getString("HomeTeam"));
                else if (!vecAllTeams.contains(rs.getString("AwayTeam")))
                    vecAllTeams.add(rs.getString("AwayTeam"));
            }

        } catch (SQLException e) {
            System.out.println(e.getMessage());
            e.printStackTrace();
        }
        //返回 取到的所有结果
        return vecAllTeams;

    }

    /**
     * 查看具体的球队比赛结果
     * @param league
     * @return 具体球队的所有比赛结果
     */
    public Vector<String> querySpecifiedTeam(String league) {
        //创建一个向量 来装载 从数据库中 读到的数据
        Vector<String> lsMatches = new Vector<String>();
        String specifiedTeamSql = "select * from premiership where HomeTeam ='"
                + league + "' or AwayTeam ='" + league + "'";
        MySql ms = new MySql();
        ResultSet rs = null;
        rs = ms.queryMySql(specifiedTeamSql);
        try {
            while (rs.next()) {
                lsMatches.add(rs.getString("Date"));
                lsMatches.add(rs.getString("HomeTeam"));
                lsMatches.add(rs.getString("AwayTeam"));
                lsMatches.add(rs.getString("Result"));
            }
        } catch (SQLException e) {
            e.printStackTrace();
        }
        return lsMatches;

    }
   /**
    * 查看 某一天的 比赛结果  
    * @param date
    * @return 某一天的所有比赛结果
    */
    public List<String> queryByDate(String date) {
        //使用一个 list泛型来装载 比赛结果
        List<String> lsMatchesOnDate = new ArrayList<String>();
        String sqlDate = "SELECT * FROM premiership WHERE Date ='" + date + "'";
        //创建一个ResultSet数据集  用来 获取查询到的结果集
        ResultSet rs = null;
        MySql ms = new MySql();
        //调用 MySql 类里的 查看数据库数据的方法
        rs = ms.queryMySql(sqlDate);
        try {
            //如果 ResultSet数据集 不为空 
            while (rs.next()) {
                //则 从ResultSet数据集 中取出 相应的 字段值 添加到 list泛型里
                lsMatchesOnDate.add(rs.getString("Date"));
                lsMatchesOnDate.add(rs.getString("HomeTeam"));
                lsMatchesOnDate.add(rs.getString("AwayTeam"));
                lsMatchesOnDate.add(rs.getString("Result"));
            }
        } catch (SQLException e) {
            System.out.println(e.getMessage());
            e.printStackTrace();
        }
        //最后 返回 取到的所有比赛数据结果
        return lsMatchesOnDate;
    }
}

DataStructure类一个简单的数据结构用于收集到数据的临时性存储

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类里面包含了regularGroup() 方法用于匹配并获取 html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类里面含有2个方法

datatoMySql() 方法用于向数据库里插入数据
queryMySql() 方法用于查看数据库里存储的数据

MySql 类

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.ResultSet;
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  executeUpdate()
     * @param insertSQl
     */
    public void datatoMySql(String insertSQl) {

        try {
            try {
                Class.forName(driver).newInstance();
            } catch (Exception e) {
                System.out.println("无法找到驱动器");
                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();
            // 执行SQL 插入语句
            stmt.executeUpdate(insertSQl);
            // 执行完 停止执行语句
            stmt.close();
            // 执行完关闭数据库连接
            conn.close();
        } catch (Exception e) {
            System.out.println(e.getMessage());
            e.printStackTrace();
        }
    }

    /**
     * 创建一个用于select查看数据的方法 executeQuery();
     * @param strSelect
     * @return ResultSet
     */
    public ResultSet queryMySql(String strSelect) {
        // 创建一个数据集 用于获取查询到的行数据
        ResultSet rs = null;
        try {
            Class.forName(driver).newInstance();
        } catch (Exception e) {
            System.out.println("无法找到驱动器!");
            e.printStackTrace();
        }

        try {
            // 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();
            // 执行查询语句   获取ResultSet对象
            rs = stmt.executeQuery(strSelect);
        } catch (SQLException e) {
            System.out.println(e.getMessage());
            e.printStackTrace();
        }
        //返回结果集
        return rs;
    }
}

Main 主函数用于数据输出

Main 主函数

import java.util.List;
import java.util.Scanner;
import java.util.Vector;
/**
 * Main 主函数 用于数据的输出
 * @author SoFlash - 博客园  http://www.cnblogs.com/longwu
 */
public class Main {
    public static void main(String[] args) {
        DataCollectionAndStorage dcs = new DataCollectionAndStorage();
        DataQuery dQuery = new DataQuery();

        while (true) {
            System.out.println("清空数据库-请按1");
            System.out.println("收集英超比赛数据-请按2");
            System.out.println("查看英超所有球队-请按3");
            System.out.println("查看具体球队比赛结果-请按4");
            System.out.println("查看某一天的比赛-请按5");
            // Scanner 文本扫描器 用于读取 用户的输入 
            Scanner sc = new Scanner(System.in);
            int intInput = sc.nextInt();
            if (intInput == 1) {
                dQuery.initialDataBase();
                System.out
                        .println("---------------------------------------------");
            } else if (intInput == 2) {
                dcs.dataCollectAndStore();
                System.out
                        .println("---------------------------------------------");
            } else if (intInput == 3) {
                //获取 查询到的所有球队名称
                Vector<String> vecAllTeams = dQuery.getAllTeams();
                if (vecAllTeams.size() != 0) {
                    System.out.println("参加过比赛的球队如下:");
                    System.out
                            .print("-----------------------------------------------");
                    System.out
                            .print("-----------------------------------------------\r\n");
                    for (int i = 0; i < vecAllTeams.size(); i++) {
                        if (i % 7 == 0 && i != 0) {
                            System.out.println("\r\n");
                        }
                        System.out.print(vecAllTeams.get(i) + "\t");
                    }
                } else
                    System.out.print("数据库目前没有数据,请按2收集数据!");
                System.out
                        .print("\r\n---------------------------------------------");
                System.out
                        .println("-----------------------------------------------\r\n");
            } else if (intInput == 4) {
                System.out.println("请输入你要查看的球队");
                Scanner scLeague = new Scanner(System.in);
                String strLeague = scLeague.next();
                //获取 具体球队的比赛结果
                Vector<String> lsResult = dQuery.querySpecifiedTeam(strLeague);
                if (lsResult.size() != 0) {
                    System.out.println("日期\t\t\t主队\t\t客队\t\t比分");
                    for (int i = 0; i < lsResult.size(); i++) {
                        if (i % 4 == 0 && i != 0)
                            System.out.println();
                        System.out.print(lsResult.get(i) + "\t\t");
                    }
                } else
                    System.out.println("没有相关球队的记录或数据库没有数据!");
                System.out
                        .println("\r\n---------------------------------------------------");
            } else if (intInput == 5) {
                System.out.println("请输入你要查看的比赛日期  例子格式[14.01.2012]");
                Scanner scDate = new Scanner(System.in);
                String strDate = scDate.next();
                //获取具体日期下的 所有比赛
                List<String> lsResulOnDate = dQuery.queryByDate(strDate);
                if (lsResulOnDate.size() != 0) {
                    System.out.println("日期\t\t\t主队\t\t客队\t\t比分");
                    for (int i = 0; i < lsResulOnDate.size(); i++) {
                        if (i % 4 == 0 && i != 0)
                            System.out.println();
                        System.out.print(lsResulOnDate.get(i) + "\t\t");
                    }
                } else
                    System.out.println("该天没有比赛 或 数据库没有数据!");
                System.out
                        .println("\r\n---------------------------------------------------");
            }
        }

    }
}