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&amp;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 = "&gt;[^&lt;&gt;]*&lt;/a&gt;";
    String regularResult = "&gt;(\d{1,2}-\d{1,2})&lt;/TD&gt;";

    //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("") &amp;&amp; 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("&lt;/a&gt;"));
            //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("") &amp;&amp; index == 2) { // 这里索引为2的是客队数据
            strGet = strGet.substring(1, strGet.indexOf("&lt;/a&gt;"));
            //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'&lt;' 和 "&lt;/TD&gt;" 标签 来获取我们想要的比赛结果
            strGet = strGet.substring(1, strGet.indexOf("&lt;/TD&gt;"));
            //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