Java正则表达式，抓取网页email地址实例

转载自：http://blog.csdn.net/xyang81/article/details/7705960

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

package regex;

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

/**
 * 网络爬虫，抓取网页中的email地址
 */
public class WebCrawlersDemo {

    public static void main(String[] args) throws Exception {
        URL url = new URL("http://www.tianya.cn/publicforum/content/english/1/129176.shtml");
        // 打开连接
        URLConnection conn = url.openConnection();
        // 设置连接网络超时时间
        conn.setConnectTimeout(1000 * 10);
        // 读取指定网络地址中的文件
        BufferedReader bufr = new BufferedReader(new InputStreamReader(conn.getInputStream()));
        String line = null;
        String regex = "[a-zA-Z0-9_-]+@\\w+\\.[a-z]+(\\.[a-z]+)?";  // 匹配email的正则
        Pattern p = Pattern.compile(regex);
        while((line = bufr.readLine()) != null) {
            Matcher m = p.matcher(line);
            while(m.find()) {
                System.out.println(m.group());<span style="white-space:pre">  </span>// 获得匹配的email
            }
        }
    }

}

结果：