97国产精品_亚洲欧美在线一区_五月综合婷婷色在线播放_婷婷综合久久中文字幕 - 欧美特大黄一级AA片片免费珠

     最近發(fā)現(xiàn)越來越多的網(wǎng)站喜歡使用自動提取標簽欄，如小編常去的糗事百科網(wǎng)站就有一個，截圖如下：

如上圖。大家看右邊部分，搜索框下方就是一個自動提取的標簽欄。通過點擊這些出現(xiàn)頻率比較高的關鍵詞，用戶可以看到所有出現(xiàn)過此關鍵詞的帖子。結合站內搜索框來說，即成為一個強大的搜索工具。對于網(wǎng)站內容多，更新快，分類多等類型的網(wǎng)站來說，是比搜索框更便利的搜索工具，也將成為網(wǎng)頁設計的潮流趨勢之一。

雖然網(wǎng)頁設計越來越便捷，但是這背后設計師所付出的努力卻是艱辛的。我們看糗事百科一個看似很簡單的網(wǎng)站，但是如果請專業(yè)的網(wǎng)站建設公司來制作的話，成本最低都要好幾萬。這也能解釋為什么我們看起來不起眼的隨手的一個工具，說不定都凝聚了大批的設計師長時間的努力結果。

這個自動提取標簽的設計也是一樣。小編研究了一段時間，搜索了很多資料，才得出比較簡單一點的設置方法。實際上這個方法并非對所有的程序都有效，而只是對JAVA程序而言的。在此將此段程序貼上來與大家分享：

1. import java.io.BufferedReader;  
2. import java.io.InputStreamReader;  
3. import java.net.URL;  
4. import java.util.regex.Matcher;  
5. import java.util.regex.Pattern;  
6.   
7. public class URLTest {  
8.   
9.     /** 
10.      * @param args 
11.      * @throws URISyntaxException  
12.      */  
13.     public static void main(String[] args) throws Exception {  
14.         URL url = new URL("http://www.ascii-code.com/");  
15.         InputStreamReader reader = new InputStreamReader(url.openStream());  
16.         BufferedReader br = new BufferedReader(reader);  
17.         String s = null;  
18.         while((s=br.readLine())!=null){  
19.             s = GetLabel(s);  
20.             if(s!=null){  
21.                 System.out.println(s);  
22.             }  
23.         }  
24.         br.close();  
25.         reader.close();  
26.     }  
27.       
28.     public static String GetContent(String html) {  
29.         //String html = "
    • 1.hehe
    • 2.hi
    • 3.hei
    ";  
30.         String ss = ">[^<]+<";  
31.         String temp = null;  
32.         Pattern pa = Pattern.compile(ss);  
33.         Matcher ma = null;  
34.         ma = pa.matcher(html);  
35.         String result = null;  
36.         while(ma.find()){  
37.             temp = ma.group();  
38.             if(temp!=null){  
39.                 if(temp.startsWith(">")){  
40.                     temp = temp.substring(1);  
41.                 }  
42.                 if(temp.endsWith("<")){  
43.                     temp = temp.substring(0, temp.length()-1);  
44.                 }  
45.                 if(!temp.equalsIgnoreCase("")){  
46.                     if(result==null){  
47.                         result = temp;  
48.                     }  
49.                     else{  
50.                         result+="____"+temp;  
51.                     }  
52.                 }  
53.             }  
54.         }  
55.         return result;  
56.     }  
57.       
58.     public static String GetLabel(String html) {  
59.         //String html = "
    • 1.hehe
    • 2.hi
    • 3.hei
    ";  
60.         String ss = "<[^>]+>";  
61.         String temp = null;  
62.         Pattern pa = Pattern.compile(ss);  
63.         Matcher ma = null;  
64.         ma = pa.matcher(html);  
65.         String result = null;  
66.         while(ma.find()){  
67.             temp = ma.group();  
68.             if(temp!=null){  
69.                 if(temp.startsWith(">")){  
70.                     temp = temp.substring(1);  
71.                 }  
72.                 if(temp.endsWith("<")){  
73.                     temp = temp.substring(0, temp.length()-1);  
74.                 }  
75.                 if(!temp.equalsIgnoreCase("")){  
76.                     if(result==null){  
77.                         result = temp;  
78.                     }  
79.                     else{  
80.                         result+="____"+temp;  
81.                     }  
82.                 }  
83.             }  
84.         }  
85.         return result;  
86.     }  
87. }  

其中：GetContent用來獲取標簽內容，而GetLabel則用于獲取標簽。

實際上，這是正則法則運用中的一種。小編所運用到的這個正則法則的表達式是：

<[^>]+>：這個正則表達式可以匹配所有html標簽,可以100%匹配，但需要注意頁面編碼方式和讀取的編碼方式。另外一個表達式是>[^<]+<，這個可以匹配標簽內容。但由于小編對于正則法則不是非常的精通，并且時間有限，只研究出了這一種。另外用于設置網(wǎng)頁自動提取標簽的還有htmlparse、sax、dom4j等，但至于哪個更好用，哪個實現(xiàn)起來更容易，就要大家自己去探索了。