Java网页数据采集器[中篇-数据存储]

本期概述
上期我们学习了html页面的数据采集,为了方便我们今后来调用收集到的数据,首先我们需要学习下如何将这些采集到的数据存储起来(MySql数据库).
数据采集页面
2011-2012赛季英超球队战绩

关于Java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

关于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.

好了, 需要准备的事宜都完成了,我们开始写代码.

打开MySql数据库,创建数据库 和表 (拷贝如下代码 到mysql里直接执行即可).

 

创建MySql数据库

#创建数据库 htmldatacollection CREATE DATABASE htmldatacollection; #在创建表之前 我们需要使用数据库htmldatacollection use htmldatacollection; #在数据库里 创建一个表 Premiership 用于存储我们收集到的数据 #这里为了方便 所有字段 全部是字符串格式 CREATE TABLE Premiership( Date varchar(15), HomeTeam varchar(20), AwayTeam varchar(20), Result varchar(20) )

 

创建好后,我们来看看数据库结构.

 

 

主程序代码
数据库弄好了,我们开始实施java代码, 这里简单介绍下各个类以及类所包含的方法.

DataStorage类 以及包含的 dataStore()方法 用于数据收集和存储

 

DataStorage类

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URL;
/**

  • DataStorage类 用于数据的收集和存储
  • @author SoFlash - 博客园 http://www.cnblogs.com/longwu
    */
    public class DataStorage {

    public void dataStore() {

    // 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();
    }
    

    }
    }

    DataStructure类
    简单数据结构 里面包含了相应的字段 用于将收集的数据临时性存储

 

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
    以及包含的 regularGroup()方法 用于正则匹配html 源代码上的数据


    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
    以及包含的 datatoMySql() 方法 用于执行SQL插入语句 将临时存储在数据结构里的数据 插入到MySql数据库中

 

MySql类

import java.sql.Connection;
import java.sql.DriverManager;
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
    public void datatoMySql(String insertSQl) {

    try {
        try {
            Class.forName(driver).newInstance();
        } catch (Exception e) {
            System.out.println("Unable to find the local driver");
            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();
    } catch (SQLException e) {
        e.printStackTrace();
    }
    try {
        //执行SQL 插入语句
        stmt.executeUpdate(insertSQl);
    } catch (SQLException e) {
        e.printStackTrace();
    }
    try {
        //执行完 停止执行语句
        stmt.close();
        //执行完关闭数据库连接
        conn.close();
    } catch (SQLException e) {
        e.printStackTrace();
    }
    

    }
    }

     

 

 

Main 主函数
用于数据输出

 

Main 主函数

/**

  • Main 主函数 用于数据输出
  • @author SoFlash - 博客园 http://www.cnblogs.com/longwu
    */
    public class Main {
    public static void main(String[] args) {
     //在主函数里调用DataStorage类里的dataStore()方法
    DataStorage ds = new DataStorage();
    ds.dataStore();
    
    }
    }

    运行查看
    好了,下面我们来执行下 看看结果.

数据采集页面 2011-2012赛季英超球队战绩

Html页面截图-初始阶段

MySql数据库截图-初始阶段

Html页面截图-结束阶段

MySql数据库截图-结束阶段

一共收集到 189条记录

MySql数据库显示 189 行数据

这样,我们2011-2012英超联盟赛季的比赛战绩就全部收集并存到MySql数据库里了. :)

附上源代码下载 点击打开链接

0%