Android抓取CSDN首頁極客頭條內(nèi)容完整實例

更新時間：2018年01月06日 14:07:52 作者：laihuan99

這篇文章主要介紹了Android抓取CSDN首頁極客頭條內(nèi)容完整實例，具有一定借鑒價值,需要的朋友可以參考下

今天，寫了個小代碼。抓取首頁中的極客頭條。效果如圖：

分享給新手朋友。

要點：

1.使用ApacheHttpClient庫實現(xiàn)GET請求。

2.異步請求處理。

3.正則表達式抓取自己需要的數(shù)據(jù)。

1.使用ApacheHttpClient庫實現(xiàn)GET請求。

使用Apache只需簡單三步

HttpClient httpClient = new DefaultHttpClient(); //創(chuàng)建一個HttpClient 
 
HttpGet httpGet = new HttpGet(“http://www.csdn.net/”); //創(chuàng)建一個GET請求 
 
HttpResponse response = httpClient.execute(httpGet); //發(fā)送GET請求，并響應(yīng)內(nèi)容

2.異步請求處理。

異步請求的實現(xiàn)也很簡單，開辟新線程執(zhí)行請求處理，請求完成通過Handler在主線程處理所獲得的數(shù)據(jù)。具體看代碼。

3.正則表達式抓取自己需要的數(shù)據(jù)。

這個更簡單，我推薦一個工具RegexTester，使用方法在相關(guān)文檔。

我這里說下，就算你什么正則表達式一點都不知道，你只要知道（.*?）就可以了。它可以讓你抓取基本上所有你需要的數(shù)據(jù)。

".*?"注意是三個字符一起，代表貪婪匹配任意數(shù)量的任意字符?？梢院唵蔚睦斫鉃槿魏巫址?。

如"a.*?b"對字符串"eabcd",進行匹配，將找到"abcd"，其中".*?"匹配"bc"。

我們需要抓取的內(nèi)容一般用"（.*?）"表示，注意這里是包含括號的。這很重要，用括號表示我們要提取的內(nèi)容。

我們具體分析CSDN首頁源代碼，下面每步操作都應(yīng)該在RegexTester測試進行。

很容易找到，我們要抓取內(nèi)容的毎一條是如下格式。

<li><a title="宇宙員在太空中如何洗澡、睡覺、上廁所？"  rel="external nofollow" target="_blank" onclick="LogClickCount(this,363);">宇宙員在太空中如何洗澡、睡覺、上廁所？</a></li>

我們要抓取的內(nèi)容是標題和 URL地址。都用（.*?）代替

<li><a title="(.*?)" href="(.*?)" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" target="_blank" onclick="LogClickCount(this,363);">\1</a></li>

對比上面，我們要抓取的內(nèi)容都用（.*?）代替，這里“\1”是代表第一個（.*?）的內(nèi)容。他們是重復(fù)內(nèi)容。

同理如果我們用“\2”將代表與第二個括號相同內(nèi)容。這里我們沒有使用。

用工具測試通過，發(fā)現(xiàn)沒問題，能找出。

再簡化，我們刪去一些對定位無關(guān)緊要的內(nèi)容，這步簡化要測試，保證匹配內(nèi)容同上。

title="(.*?)" href="(.*?)" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" target="_blank" onclick="LogClickCount(this,363)

我們發(fā)現(xiàn)target="_blank"onclick="LogClickCount(this,在其他地方也有，是不能區(qū)分的內(nèi)容的匹配詞，我們用.*?忽略。注意，不用括號，用括號是我們提取的內(nèi)容。最后我們得到一個特征字串，通過下面特征字串可以在源碼眾多的字符中，

提取我們要的內(nèi)容。

title="(.*?)" href="(.*?)" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" .*?363

注意如上內(nèi)容要在作為代碼字符串，要經(jīng)過一點處理，在每個"引號前加“\"，

"title=\"(.*?)\" href=\"(.*?)\".*?363"

在代碼中是一段很短的代碼：

Pattern p = Pattern.compile("title=\"(.*?)\" href=\"(.*?)\".*?363"); 
Matcher m = p.matcher(csdnString); //csdn首頁的源代碼字符串 
while (m.find()) { //循環(huán)查找匹配字串 
  MatchResult mr=m.toMatchResult(); 
  Map<String, Object> map = new HashMap<String, Object>(); 
  map.put("title", mr.group(1));//找到后group(1)是表達式第一個括號的內(nèi)容 
  map.put("url", mr.group(2));//group(2)是表達式第二個括號的內(nèi)容 
  result.add(map); 
}

具體代碼如下：

public class MainActivity extends ListActivity {
	ListView listview;
	Handler handler;
	List<Map<String, Object>> data;
	final String CSDNURL = "http://www.csdn.net/";
	@Override 
	  protected void onCreate(Bundle savedInstanceState) {
		super.onCreate(savedInstanceState);
		handler = getHandler();
		ThreadStart();
	}
	/** 
   * 新開辟線程處理聯(lián)網(wǎng)操作 
   */
	private void ThreadStart() {
		new Thread() {
			public void run() {
				Message msg = new Message();
				try {
					data = getCsdnNetDate();
					msg.what = data.size();
				}
				catch (Exception e) {
					e.printStackTrace();
					msg.what = -1;
				}
				handler.sendMessage(msg);
			}
		}
		.start();
	}
	/** 
   * 聯(lián)網(wǎng)獲得數(shù)據(jù) 
   * @return 數(shù)據(jù) 
   */
	private List<Map<String, Object>> getCsdnNetDate() {
		List<Map<String, Object>> result = new ArrayList<Map<String, Object>>();
		String csdnString = http_get(CSDNURL);
		//<li><a title="(.*?)" href="(.*?)" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" target="_blank" onclick="LogClickCountthis,363;">\1</a></li> 
		//title="(.*?)" href="(.*?)" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" .*?,363\) 
		Pattern p = Pattern.compile("title=\"(.*?)\" href=\"(.*?)\".*?363");
		Matcher m = p.matcher(csdnString);
		while (m.find()) {
			MatchResult mr=m.toMatchResult();
			Map<String, Object> map = new HashMap<String, Object>();
			map.put("title", mr.group(1));
			map.put("url", mr.group(2));
			result.add(map);
		}
		return result;
	}
	/** 
   * 處理聯(lián)網(wǎng)結(jié)果，顯示在listview 
   * @return 
   */
	private Handler getHandler() {
		return new Handler(){
			public void handleMessage(Message msg) {
				if (msg.what < 0) {
					Toast.makeText(MainActivity.this, "數(shù)據(jù)獲取失敗", Toast.LENGTH_sHORT).show();
				} else {
					initListview();
				}
			}
		}
		;
	}
	/** 
   * 在listview里顯示數(shù)據(jù) 
   * @author Lai Huan 
   * @created 2013-6-20 
   */
	private void initListview() {
		listview = getListView();
		SimpleAdapter adapter = new SimpleAdapter(this, data, 
		        android.R.layout.simple_list_item_1, new String[] { "title"}, 
		        new int[] { android.R.id.text1 });
		listview.setAdapter(adapter);
		listview.setOnItemClickListener(new OnItemClickListener() {
			@Override 
			      public void onItemClick(AdapterView<?> arg0, View arg1, int arg2, 
			          long arg3) {
				Map<String, Object> map = data.get(arg2);
				String url = (String)(map.get("url"));
				Intent intent = new Intent(Intent.ACTION_VIEW);
				intent .setData(Uri.parse(url));
				startActivity(intent);
			}
		}
		);
	}
	/** 
   * get請求URL，失敗時嘗試三次 
   * @param url 請求網(wǎng)址 
   * @return 網(wǎng)頁內(nèi)容的字符串 
   */
	private String http_get(String url) {
		final int RETRY_TIME = 3;
		HttpClient httpClient = null;
		HttpGet httpGet = null;
		String responseBody = "";
		int time = 0;
		do {
			try {
				httpClient = getHttpClient();
				httpGet = new HttpGet(url);
				HttpResponse response = httpClient.execute(httpGet);
				if (response.getStatusLine().getStatusCode() == 200) {
					//用utf-8編碼轉(zhuǎn)化為字符串 
					byte[] bResult = EntityUtils.toByteArray(response.getEntity());
					if (bResult != null) {
						responseBody = new String(bResult,"utf-8");
					}
				}
				break;
			}
			catch (IOException e) {
				time++;
				if (time < RETRY_TIME) {
					try {
						Thread.sleep(1000);
					}
					catch (InterruptedException e1) {
					}
					continue;
				}
				e.printStackTrace();
			}
			finally {
				httpClient = null;
			}
		}
		while (time < RETRY_TIME);
		return responseBody;
	}
	private HttpClient getHttpClient() {
		HttpParams httpParams = new BasicHttpParams();
		//設(shè)定連接超時和讀取超時時間 
		HttpConnectionParams.setConnectionTimeout(httpParams, 6000);
		HttpConnectionParams.setSoTimeout(httpParams, 30000);
		return new DefaultHttpClient(httpParams);
	}
}

總結(jié)

以上就是本文關(guān)于Android抓取CSDN首頁極客頭條內(nèi)容完整實例的全部內(nèi)容，希望對大家有所幫助。感興趣的朋友可以繼續(xù)參閱本站其他相關(guān)專題，如有不足之處，歡迎留言指出。感謝朋友們對本站的支持！

您可能感興趣的文章: