Java正则表达式（一）、抓取网页email地址实例

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());	// 获得匹配的email
			}
		}
	}

}

结果：