自己写的一个java采集有关的简单类

import java.io.*;
import java.net.URL;
import java.net.URLConnection;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

/** *//**
 * 读取html页面内容
 * Html页面内容获取处理页面
 */
public class ReadHtml {    
    
        /** *//**
         * 读取html页面内容CED块的html源文件代码
         * @param    urlPath  网页地址
         * urlPath 网页地址格式  http://whois.asia/cgi-bin/whois.cgi?whois_query_field=today
         */
        public  static String GetCEDSource(String urlPath)
        {
            StringBuffer document = new StringBuffer();
            try
            {
                if(urlPath==""||urlPath==null)
                {
                    urlPath="http://whois.asia/cgi-bin/whois.cgi?whois_query_field=today";
                }
                URL url = new URL(urlPath);
                URLConnection conn = url.openConnection();
                BufferedReader reader = new BufferedReader(new InputStreamReader(conn.getInputStream()));
                String line = null;
                while ((line = reader.readLine()) != null)
                document.append(line + " ");                
                reader.close();
            }          
            catch (Exception e)
            {
                e.printStackTrace();
            }
            
            return document.toString();
        }
        /** *//**         *
         * @param url  地址格式 例如: http://whois.asia/cgi-bin/whois.cgi?whois_query_field=today
         * @return 字符串数组 String[] 返回页面的CED块信息
         */
        public static String[] GetCEDContent(String url){
            return GetCEDContent(url,"");
        }
        
        /** *//**         *
         * @return 字符串数组 String[] 返回页面的CED块信息
         */
        public static String[] GetCEDContent(){
            return GetCEDContent("","");
        }
        
        /** *//**         *
         * @param url  地址格式 例如: http://whois.asia/cgi-bin/whois.cgi?whois_query_field=today
         * @param keyword 正则要匹配的内容 块所包括的名称
         * @return 字符串数组 String[] 返回页面的CED块信息
         */
        public static String[] GetCEDContent(String url, String keyword)
        {            
            String input = ReadHtml.GetCEDSource(url);
            ///匹配包括 <tr>...</tr>
            if(keyword==""||keyword==null)
            {
                keyword ="ced";
            }
            String pipei = "<tr[^>]*>[\\s]*<td[^>]*>[\\s]*("+keyword+"){1}[\\s\\S]*?<\\/td>[\\s]*<\\/tr>";
            Pattern pattern = Pattern.compile(pipei, Pattern.CASE_INSENSITIVE);
            Matcher matcher = pattern.matcher(input);
            ///正则所匹配的<tr>...</tr>信息
            String match="";
            while (matcher.find())
                {
                    int start = matcher.start();
                    int end = matcher.end();
                    match += input.substring(start, end);                         
                }
            //System.out.println(match);
            ///匹配<td></td>
            String regex2 = "<td[^>]*>[\\s\\S]*?<\\/td>";           
            Pattern pattern2 = Pattern.compile(regex2, Pattern.CASE_INSENSITIVE);
            Matcher matcher2 = pattern2.matcher(match);
            ///正则所匹配的<td></td>信息
            String matchstr ="";
            while (matcher2.find())
            {
                int start = matcher2.start();
                int end = matcher2.end();
                matchstr += match.substring(start, end);                         
            }     
            String content = ReplaceStr(matchstr);            
            content = content.substring(1,content.length()-1);
            
            ///取出<a 的标记
            String regex3="<a[^>]*>[\\s\\S]*?<\\/a>";           
            Pattern pattern3 = Pattern.compile(regex3, Pattern.CASE_INSENSITIVE);
            Matcher matcher3 = pattern3.matcher(content);
            String result="";
            while  (matcher3.find())
            {
                ///把<a>..</a>标记清除掉
                result = matcher3.replaceAll("");                  
            }               
            return  SplitStr(result);    
        }
        
        
        /** *//**         *
         * @param url   网页地址
         * @param keyword 正则要匹配的内容 块所包括的名字
         * @return 字符串数组 String[] 返回页面的一块html信息
         * 获取html页面的一块 以字符串数组的形式显示
         */
        public static String[] GetHtmlContentByGroup(String url,String keyword)
        {        
            String input = ReadHtml.GetCEDSource(url);
            if(keyword==""||keyword==null)
            {
                keyword ="ced";
            }
            ///匹配包括 <tr>...</tr>
            String pipei = "<tr[^>]*>[\\s]*<td[^>]*>[\\s]*("+keyword+"){1}[\\s\\S]*?<\\/td>[\\s]*<\\/tr>";
            Pattern pattern = Pattern.compile(pipei, Pattern.CASE_INSENSITIVE);
            Matcher matcher = pattern.matcher(input);
            String s0="";
            while (matcher.find()) {
                s0 += matcher.group();                  
                
            }                       
            ///匹配<td></td>
            String regex2 = "<td[^>]*>[\\s\\S]*?<\\/td>";           
            Pattern p2 = Pattern.compile(regex2, Pattern.CASE_INSENSITIVE);
            Matcher matcher2 = p2.matcher(s0);
            String matchstr ="";
            while  (matcher2.find())
            {
                matchstr += matcher2.group();                  
            }
            String yy = ReplaceStr(matchstr);
            yy = yy.substring(1, yy.length()-1);
            ///取出<a 的标记
            String r3="<a[^>]*>[\\s\\S]*?<\\/a>";           
            Pattern p3 = Pattern.compile(r3, Pattern.CASE_INSENSITIVE);
            Matcher matcher3 = p3.matcher(yy);
            String m3="";
            while  (matcher3.find())
            {
                m3 = matcher3.replaceAll("");                  
            }
            return SplitStr(m3);
        }
        
      
        /** *//**         *
         * @param str   要进行分割处理的字符串          
         * @return 字符串数组 String[]     
         */
        public static String[] SplitStr(String str)
        {
            if(str==""|| str==null)
                return null;
            else
                return str.split(",");
        }
        
        /** *//**         *
         * @param str   要进行替换处理的字符串(<td></td>)          
         * @return 字符串数组 String[]   清除掉<td>标记  
         */
        public static String ReplaceStr(String str)
        {
            str = str.replace("<td>", ",");
            str = str.replace("</td>", ",");
            return str;
        }
    
        
        /** *//**
         * main方法测试
         * @param s
         * @throws IOException
         */
        public static void main(String[] s) throws IOException {    
            String[] test = GetCEDContent();
            for(String html : test)
            {
                System.out.println(html);
            }
        }
}