开学修了一门楼sir的Java应用技术，上学期选课的时候谁特么跟我说这门课是零基础的TAT
只能够边学暑期的清华课程边做作业了……
第二次作业——爬网页：
作业：网页信息提取
读取网页，去除广告等无关部分，主要内容在屏幕显示或将其以TXT文件方式存盘。
要求：不使用第三方工具，自己作String处理。
本次作业经验总结：
1. 一开始爬下来是乱码，感觉是编码问题，但是workspace里面默认UTF-8，没有GBK。我想💊，结果网上搜了一下，直接在设置中（workspace）填入GBK，结果就可以了~
图0
初步结果如下图所示：
图1
所用到的技术：
1. try-catch 结构
用于处理异常：
图2
2. URL数据类型，String数据类型，以及缓冲的处理（这一部分上课时候楼sir讲过）
图3
3. Pattern类，Matcher类——用于过滤出制定标签内的正文。
我首先用它来过滤出通知的标题（标题用<h1>修饰）
图4
4. 使用String类中的replace方法来把超链接(<a.xxxx>)及其中间的内容全部过滤掉。
图5
基本上就是用了这些方法。
网友评论