說到Java的本地存儲,肯定使用IO流進行操作。
首先,我們需要一個建立檔案的函數createNewFile:
複製代碼代碼如下:
public static boolean createNewFile(String filePath) {
boolean isSuccess = true;
// 如有則將"//"轉為"/",沒有則不產生任何變化
String filePathTurn = filePath.replaceAll("////", "/");
// 先過濾掉檔名
int index = filePathTurn.lastIndexOf("/");
String dir = filePathTurn.substring(0, index);
// 再建立資料夾
File fileDir = new File(dir);
isSuccess = fileDir.mkdirs();
// 建立文件
File file = new File(filePathTurn);
try {
isSuccess = file.createNewFile();
} catch (IOException e) {
isSuccess = false;
e.printStackTrace();
}
return isSuccess;
}
然後,我們需要一個寫入檔案的函數:
複製代碼代碼如下:
public static boolean writeIntoFile(String content, String filePath,
boolean isAppend) {
boolean isSuccess = true;
// 先過濾掉檔名
int index = filePath.lastIndexOf("/");
String dir = filePath.substring(0, index);
// 建立除文件的路徑
File fileDir = new File(dir);
fileDir.mkdirs();
// 再建立路徑下的文件
File file = null;
try {
file = new File(filePath);
file.createNewFile();
} catch (IOException e) {
isSuccess = false;
e.printStackTrace();
}
// 寫入文件
FileWriter fileWriter = null;
try {
fileWriter = new FileWriter(file, isAppend);
fileWriter.write(content);
fileWriter.flush();
} catch (IOException e) {
isSuccess = false;
e.printStackTrace();
} finally {
try {
if (fileWriter != null)
fileWriter.close();
} catch (IOException e) {
e.printStackTrace();
}
}
return isSuccess;
}
我們把這兩個函數封裝到一個FileReaderWriter.java檔案中以便後續使用。
接著我們回到知乎爬蟲。
我們需要為知乎的Zhihu封裝類別加個函數,用來格式化寫入到本地時的排版。
複製代碼代碼如下:
public String writeString() {
String result = "";
result += "問題:" + question + "/r/n";
result += "描述:" + questionDescription + "/r/n";
result += "連結:" + zhihuUrl + "/r/n";
for (int i = 0; i < answers.size(); i++) {
result += "回答" + i + ":" + answers.get(i) + "/r/n";
}
result += "/r/n/r/n";
return result;
}
OK,這樣就差不多了,接下來吧mian方法中的System.out.println改成
複製代碼代碼如下:
// 寫入本機
for (Zhihu zhihu : myZhihu) {
FileReaderWriter.writeIntoFile(zhihu.writeString(),
"D:/知乎_編輯推薦.txt", true);
}
運行,便可以看到本來在控制台看到的內容已經被寫到了本地的txt檔案裡:
大體一看沒什麼問題,仔細看看發現問題:有太多的html標籤,主要是<b>和<br>。
我們可以在輸出的時候對這些標記進行處理。
先把<br>換成io串流裡面的/r/n,再把所有的html標籤都刪除,這樣看起來會清晰很多。
複製代碼代碼如下:
public String writeString() {
// 拼接寫入本機的字串
String result = "";
result += "問題:" + question + "/r/n";
result += "描述:" + questionDescription + "/r/n";
result += "連結:" + zhihuUrl + "/r/n";
for (int i = 0; i < answers.size(); i++) {
result += "回答" + i + ":" + answers.get(i) + "/r/n/r/n";
}
result += "/r/n/r/n/r/n/r/n";
// 將其中的html標籤進行篩選
result = result.replaceAll("<br>", "/r/n");
result = result.replaceAll("<.*?>", "");
return result;
}
這裡的replaceAll函數可以使用正規則,於是所有的<>標籤在最後就都被刪除了。