import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* Group 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 Group {public static void main(String[] args) {// Pattern 用于编译正则 这里用到了3个正则 分别用括号()包住// 第1个正则用于匹配URL 当然这里的正则不一定准确 这个匹配URL的正则就是错误的 只是在这里刚好能匹配出来// 第2个正则是用于匹配标题 SoFlash的// 第3个正则用于匹配日期
        /* 这里只用了一条语句便把url,标题和日期全部给匹配出来了 */Pattern p = Pattern.compile("='(\\w.+)'>(\\w.+[a-zA-Z])-(\\d{1,2}\\.\\d{1,2}\\.\\d{4})");String s = "<a href='http://www.cnblogs.com/longwu'>SoFlash-12.22.2011</a>";Matcher m = p.matcher(s);while (m.find()) {// 通过调用group()方法里的索引 将url,标题和日期全部给打印出来
            System.out.println("打印出url链接:" + m.group(1));System.out.println("打印出标题:" + m.group(2));System.out.println("打印出日期:" + m.group(3));System.out.println();}System.out.println("group方法捕获的数据个数:" + m.groupCount() + "个");}
}

     public static void main(String[] args) {String strUrl = "http://www.footballresults.org/league.php?all=1&league=EngPrem";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);// 如果 BufferedReader 读到的内容不为空
             while (br.readLine() != null) {// 则打印出来 这里打印出来的结果 应该是整个网站的
                 System.out.println(br.readLine());}br.close(); // 读取完成后关闭读取器
         } catch (IOException e) {// 如果出错 抛出异常
             e.printStackTrace();}}

import java.util.regex.Matcher;
import java.util.regex.Pattern;
/*** GroupMethod类 用于匹配并抓去 Html上我们想要的内容* @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
        }}
}

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URL;
/*** Main主函数 用于数据采集* @author SoFlash - 博客园  http://www.cnblogs.com/longwu*/
public class Main {public static void main(String[] args) {// 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";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 = ""; // 新增一个空字符串strRead来装载 BufferedReader 读取到的内容// 定义3个正则 用于匹配我们需要的数据
            String regularDate = "(\\d{1,2}\\.\\d{1,2}\\.\\d{4})";String regularTwoTeam = ">[^<>]*</a>";String regularResult = ">(\\d{1,2}-\\d{1,2})</TD>";// 创建一个GroupMethod类的对象 gMethod 方便后期调用其类里的 regularGroup方法
            GroupMethod gMethod = new GroupMethod();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);//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substring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
                    index++;  //索引+1之后 为2了// 通过substring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
                    index = 0;}/*** 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);System.out.println();i++;}}// 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
        } catch (IOException e) {// 如果出错 抛出异常
            e.printStackTrace();}}
}