Java网页数据采集器[下篇-数据查询]【转载】
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---------------------------------------------------");
}
}
}
}
运行程序
输入1 清空数据
输入2 开始收集数据 并存入数据库 - 初始阶段
开始收集数据 并存入数据库 - 结束阶段
输入3 查看所有参与过比赛的球队
输入4 再输入要查看的具体球队 这里查看的是 Swansea
输入5 再输入查看具体的日期 这里是 02.01.2012
输入1 我们测试下清空数据的效果 这里显示清空成功
输入3 查看下是否 真正在数据库中成功清空数据 结果显示 数据库目前没有数据
这样，我们的数据查询功能也做好了
原文地址：http://www.cnblogs.com/longwu/archive/2012/01/21/2328395.html
