這篇文章給大家分享的是有關Android如何抓取CSDN首頁極客頭條內容的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。
效果如圖：
分享給新手朋友。
要點：
1.使用ApacheHttpClient庫實現GET請求。
2.異步請求處理。
3.正則表達式抓取自己需要的數據。
1.使用ApacheHttpClient庫實現GET請求。
使用Apache只需簡單三步
HttpClient httpClient = new DefaultHttpClient(); //創建一個HttpClient HttpGet httpGet = new HttpGet(“http://www.csdn.net/”); //創建一個GET請求 HttpResponse response = httpClient.execute(httpGet); //發送GET請求，并響應內容
2.異步請求處理。
異步請求的實現也很簡單，開辟新線程執行請求處理，請求完成通過Handler在主線程處理所獲得的數據。具體看代碼。
3.正則表達式抓取自己需要的數據。
這個更簡單，我推薦一個工具RegexTester，使用方法在相關文檔。
我這里說下，就算你什么正則表達式一點都不知道，你只要知道（.*?）就可以了。它可以讓你抓取基本上所有你需要的數據。
".*?"注意是三個字符一起，代表貪婪匹配任意數量的任意字符?？梢院唵蔚睦斫鉃槿魏巫址?。
如"a.*?b"對字符串"eabcd",進行匹配，將找到"abcd"，其中".*?"匹配"bc"。
我們需要抓取的內容一般用"（.*?）"表示，注意這里是包含括號的。這很重要，用括號表示我們要提取的內容。
我們具體分析CSDN首頁源代碼，下面每步操作都應該在RegexTester測試進行。
很容易找到，我們要抓取內容的毎一條是如下格式。
<li><a title="宇宙員在太空中如何洗澡、睡覺、上廁所？" href="http://geek.csdn.net/news/detail/1478" rel="external nofollow" target="_blank" onclick="LogClickCount(this,363);">宇宙員在太空中如何洗澡、睡覺、上廁所？</a></li>
我們要抓取的內容是標題 和 URL地址。都用（.*?）代替
<li><a title="(.*?)" href="(.*?)" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" target="_blank" onclick="LogClickCount(this,363);">\1</a></li>
對比上面，我們要抓取的內容都用（.*?）代替，這里“\1”是代表第一個（.*?）的內容。他們是重復內容。
同理如果我們用“\2”將代表與第二個括號相同內容。這里我們沒有使用。
用工具測試通過，發現沒問題，能找出。
再簡化，我們刪去一些對定位無關緊要的內容，這步簡化要測試，保證匹配內容同上。
title="(.*?)" href="(.*?)" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" target="_blank" onclick="LogClickCount(this,363)
我們發現target="_blank"onclick="LogClickCount(this,在其他地方也有，是不能區分的內容的匹配詞，我們用.*?忽略。注意，不用括號，用括號是我們提取的內容。最后我們得到一個特征字串，通過下面特征字串可以在源碼眾多的字符中，
提取我們要的內容。
title="(.*?)" href="(.*?)" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" .*?363
注意如上內容要在作為代碼字符串，要經過一點處理，在每個"引號前加“\"，
"title=\"(.*?)\" href=\"(.*?)\".*?363"
在代碼中是一段很短的代碼：
Pattern p = Pattern.compile("title=\"(.*?)\" href=\"(.*?)\".*?363");
Matcher m = p.matcher(csdnString); //csdn首頁的源代碼字符串
while (m.find()) { //循環查找匹配字串
MatchResult mr=m.toMatchResult();
Map<String, Object> map = new HashMap<String, Object>();
map.put("title", mr.group(1));//找到后group(1)是表達式第一個括號的內容
map.put("url", mr.group(2));//group(2)是表達式第二個括號的內容
result.add(map);
}具體代碼如下：
public class MainActivity extends ListActivity {
ListView listview;
Handler handler;
List<Map<String, Object>> data;
final String CSDNURL = "http://www.csdn.net/";
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
handler = getHandler();
ThreadStart();
}
/**
* 新開辟線程處理聯網操作
*/
private void ThreadStart() {
new Thread() {
public void run() {
Message msg = new Message();
try {
data = getCsdnNetDate();
msg.what = data.size();
}
catch (Exception e) {
e.printStackTrace();
msg.what = -1;
}
handler.sendMessage(msg);
}
}
.start();
}
/**
* 聯網獲得數據
* @return 數據
*/
private List<Map<String, Object>> getCsdnNetDate() {
List<Map<String, Object>> result = new ArrayList<Map<String, Object>>();
String csdnString = http_get(CSDNURL);
//<li><a title="(.*?)" href="(.*?)" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" target="_blank" onclick="LogClickCountthis,363;">\1</a></li>
//title="(.*?)" href="(.*?)" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" .*?,363\)
Pattern p = Pattern.compile("title=\"(.*?)\" href=\"(.*?)\".*?363");
Matcher m = p.matcher(csdnString);
while (m.find()) {
MatchResult mr=m.toMatchResult();
Map<String, Object> map = new HashMap<String, Object>();
map.put("title", mr.group(1));
map.put("url", mr.group(2));
result.add(map);
}
return result;
}
/**
* 處理聯網結果，顯示在listview
* @return
*/
private Handler getHandler() {
return new Handler(){
public void handleMessage(Message msg) {
if (msg.what < 0) {
Toast.makeText(MainActivity.this, "數據獲取失敗", Toast.LENGTH_sHORT).show();
} else {
initListview();
}
}
}
;
}
/**
* 在listview里顯示數據
* @author Lai Huan
* @created 2013-6-20
*/
private void initListview() {
listview = getListView();
SimpleAdapter adapter = new SimpleAdapter(this, data,
android.R.layout.simple_list_item_1, new String[] { "title"},
new int[] { android.R.id.text1 });
listview.setAdapter(adapter);
listview.setOnItemClickListener(new OnItemClickListener() {
@Override
public void onItemClick(AdapterView<?> arg0, View arg1, int arg2,
long arg3) {
Map<String, Object> map = data.get(arg2);
String url = (String)(map.get("url"));
Intent intent = new Intent(Intent.ACTION_VIEW);
intent .setData(Uri.parse(url));
startActivity(intent);
}
}
);
}
/**
* get請求URL，失敗時嘗試三次
* @param url 請求網址
* @return 網頁內容的字符串
*/
private String http_get(String url) {
final int RETRY_TIME = 3;
HttpClient httpClient = null;
HttpGet httpGet = null;
String responseBody = "";
int time = 0;
do {
try {
httpClient = getHttpClient();
httpGet = new HttpGet(url);
HttpResponse response = httpClient.execute(httpGet);
if (response.getStatusLine().getStatusCode() == 200) {
//用utf-8編碼轉化為字符串
byte[] bResult = EntityUtils.toByteArray(response.getEntity());
if (bResult != null) {
responseBody = new String(bResult,"utf-8");
}
}
break;
}
catch (IOException e) {
time++;
if (time < RETRY_TIME) {
try {
Thread.sleep(1000);
}
catch (InterruptedException e1) {
}
continue;
}
e.printStackTrace();
}
finally {
httpClient = null;
}
}
while (time < RETRY_TIME);
return responseBody;
}
private HttpClient getHttpClient() {
HttpParams httpParams = new BasicHttpParams();
//設定連接超時和讀取超時時間
HttpConnectionParams.setConnectionTimeout(httpParams, 6000);
HttpConnectionParams.setSoTimeout(httpParams, 30000);
return new DefaultHttpClient(httpParams);
}
}感謝各位的閱讀！關于“Android如何抓取CSDN首頁極客頭條內容”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
