public void getWebByHomePage（） { startTime = System.currentTimeMillis（）；
this.myDomain = getDomain（）；
if （myDomain == null） {
System.out.println（"Wrong input!"）；
// System.exit（1）；
return;
}
System.out.println（"Homepage = " + strHomePage）；
addReport（"Homepage = " + strHomePage + "!\n"）；
System.out.println（"Domain = " + myDomain）；
addReport（"Domain = " + myDomain + "!\n"）；
arrUrls.add（strHomePage）；
arrUrl.add（strHomePage）；
allUrls.put（strHomePage, 0）；
deepUrls.put（strHomePage, 1）；
File fDir = new File（fPath）；
if （！fDir.exists（）） {
fDir.mkdir（）；
}
System.out.println（"Start!"）；
this.addReport（"Start!\n"）；
String tmp = getAUrl（）；
this.getWebByUrl（tmp, charset, allUrls.get（tmp） + ""）；
int i = 0;
for （i = 0; i < intThreadNum; i++） {
new Thread（new Processer（this））。start（）；
}
while （true） {
if （arrUrls.isEmpty（） && Thread.activeCount（） == 1） {
long finishTime = System.currentTimeMillis（）；
long costTime = finishTime - startTime;
System.out.println（"\n\n\n\n\nFinished!"）；
addReport（"\n\n\n\n\nFinished!\n"）；
System.out.println（"Start time = " + startTime + " "
+ "Finish time = " + finishTime + " "
+ "Cost time = " + costTime + "ms"）；
addReport（"Start time = " + startTime + " "
+ "Finish time = " + finishTime + " "
+ "Cost time = " + costTime + "ms" + "\n"）；
System.out.println（"Total url number = "
+ （webSuccessed + webFailed） + " Successed: "
+ webSuccessed + " Failed: " + webFailed）；
addReport（"Total url number = " + （webSuccessed + webFailed）
+ " Successed: " + webSuccessed + " Failed: "
+ webFailed + "\n"）；
String strIndex = "";
String tmpUrl = "";
while （！arrUrl.isEmpty（）） {
tmpUrl = getUrl（）；
strIndex += "Web depth:" + deepUrls.get（tmpUrl）
+ " Filepath: " + fPath + "/web"
+ allUrls.get（tmpUrl） + ".htm" + " url:" + tmpUrl
+ "\n\n";
}
System.out.println（strIndex）；
try {
PrintWriter pwIndex = new PrintWriter（new FileOutputStream（
"fileindex.txt"））；
pwIndex.println（strIndex）；
pwIndex.close（）；
} catch （Exception e） {
System.out.println（"生成索引文件失败！"）；
}
break;
}
}
}
public void getWebByUrl（String strUrl, String charset, String fileIndex） {
try {
// if（charset==null||"".equals（charset））charset="utf-8";
System.out.println（"Getting web by url: " + strUrl）；
addReport（"Getting web by url: " + strUrl + "\n"）；
URL url = new URL（strUrl）；
URLConnection conn = url.openConnection（）；
conn.setDoOutput（true）；
InputStream is = null;
is = url.openStream（）；
String filePath = fPath + "/web" + fileIndex + ".htm";
PrintWriter pw = null;
FileOutputStream fos = new FileOutputStream（filePath）；
OutputStreamWriter writer = new OutputStreamWriter（fos）；
pw = new PrintWriter（writer）；
BufferedReader bReader = new BufferedReader（new InputStreamReader（
is））；
StringBuffer sb = new StringBuffer（）；
String rLine = null;
String tmp_rLine = null;
while （（rLine = bReader.readLine（）） != null） {
tmp_rLine = rLine;
int str_len = tmp_rLine.length（）；
if （str_len > 0） {
sb.append（"\n" + tmp_rLine）；
pw.println（tmp_rLine）；
pw.flush（）；
if （deepUrls.get（strUrl） < webDepth）
getUrlByString（tmp_rLine, strUrl）；
}
tmp_rLine = null;
}
is.close（）；
pw.close（）；
System.out.println（"Get web successfully! " + strUrl）；
addReport（"Get web successfully! " + strUrl + "\n"）；
addWebSuccessed（）；
} catch （Exception e） {
System.out.println（"Get web failed! " + strUrl）；
addReport（"Get web failed! " + strUrl + "\n"）；
addWebFailed（）；
}
}
public String getDomain（） {
String reg = "（？<=http\\://[a-zA-Z0-9]{0,100}[.]{0,1}）[^.\\s]*?\\.（com|cn|net|org|biz|info|cc|tv）";
Pattern p = Pattern.compile（reg, Pattern.CASE_INSENSITIVE）；
Matcher m = p.matcher（strHomePage）；
boolean blnp = m.find（）；
if （blnp == true） {
return m.group（0）；
}
return null;
}
public void getUrlByString（String inputArgs, String strUrl） {
String tmpStr = inputArgs;
String regUrl = "（？<=（href=）[\"]?[\']?）[http://][^\\s\"\'\\?]*（"
+ myDomain + "）[^\\s\"\'>]*";
Pattern p = Pattern.compile（regUrl, Pattern.CASE_INSENSITIVE）；
Matcher m = p.matcher（tmpStr）；
boolean blnp = m.find（）；
// int i = 0;
while （blnp == true） {
if （！allUrls.containsKey（m.group（0））） {
System.out.println（"Find a new url,depth:"
+ （deepUrls.get（strUrl） + 1） + " " + m.group（0））；
addReport（"Find a new url,depth:" + （deepUrls.get（strUrl） + 1）
+ " " + m.group（0） + "\n"）；
arrUrls.add（m.group（0））；
arrUrl.add（m.group（0））；
allUrls.put（m.group（0）， getIntWebIndex（））；
deepUrls.put（m.group（0）， （deepUrls.get（strUrl） + 1））；
}
tmpStr = tmpStr.substring（m.end（）， tmpStr.length（））；
m = p.matcher（tmpStr）；
blnp = m.find（）；
}
}
class Processer implements Runnable {
GetWeb gw;
public Processer（GetWeb g） {
this.gw = g;
}
public void run（） {
// Thread.sleep（5000）；
while （！arrUrls.isEmpty（）） {
String tmp = getAUrl（）；
getWebByUrl（tmp, charset, allUrls.get（tmp） + ""）；
}
}
}
}
|
|
收藏
淘帖
踩
