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

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

 

 


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

  1. initialDataBase() 用于清空数据库里的所有比赛数据
  2. getAllTeams() 用于获取当前数据库里所有球队的名字
  3. 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)
  4. queryByDate() 用于查询具体日期的比赛 (查询某一天的比赛结果)




    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 getAllTeams() {
    //使用一个向量来 存取 从数据库中读到的值
    Vector vecAllTeams = new Vector();
    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 querySpecifiedTeam(String league) {
    //创建一个向量 来装载 从数据库中 读到的数据
    Vector lsMatches = new Vector();
    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 queryByDate(String date) {
    //使用一个 list泛型来装载 比赛结果
    List lsMatchesOnDate = new ArrayList();
    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 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




    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




    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



      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("-----------------------------------------------rn");
                for (int i = 0; i < vecAllTeams.size(); i++) {
                    if (i % 7 == 0 && i != 0) {
                        System.out.println("rn");
                    }
                    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("rn---------------------------------------------");
            System.out
                    .println("-----------------------------------------------rn");
        } 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ttt主队tt客队tt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) + "tt");
                }
            } else
                System.out.println("没有相关球队的记录或数据库没有数据!");
            System.out
                    .println("rn---------------------------------------------------");
        } 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ttt主队tt客队tt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) + "tt");
                }
            } else
                System.out.println("该天没有比赛 或 数据库没有数据!");
            System.out
                    .println("rn---------------------------------------------------");
        }
    }
    

    }
    }


    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 :)

附上源代码 下载

 

0%