零基础写Java知乎爬虫之将抓取的内容存储到本地(2)
我们把这两个函数封装到一个FileReaderWriter.java文件中以便后续使用。 接着我们回到知乎爬虫中。 我们需要给知乎的Zhihu封装类加个函数，用来格式化写入
我们把这两个函数封装到一个FileReaderWriter.java文件中以便后续使用。
接着我们回到知乎爬虫中。
我们需要给知乎的Zhihu封装类加个函数，用来格式化写入到本地时的排版。
复制代码 代码如下:
public String writeString() {
String result = "";
result += "问题：" + question + "\r\n";
result += "描述：" + questionDescription + "\r\n";
result += "链接：" + 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，这样就差不多了，接下来吧mian方法中的System.out.println改成
复制代码 代码如下:
// 写入本地
for (Zhihu zhihu : myZhihu) {
FileReaderWriter.writeIntoFile(zhihu.writeString(),
"D:/知乎_编辑推荐.txt", true);
}
运行，便可以看到本来在控制台看到的内容已经被写到了本地的txt文件里：
大体一看没什么问题，仔细看看发现问题：存在太多的html标签，主要是<b>和<br>。
我们可以在输出的时候对这些标记进行处理。
先把<br>换成io流里面的\r\n，再把所有的html标签都删除，这样看起来便会清晰很多。
复制代码 代码如下:
public String writeString() {
// 拼接写入本地的字符串
String result = "";
result += "问题：" + question + "\r\n";
result += "描述：" + questionDescription + "\r\n";
result += "链接：" + 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";
// 将其中的html标签进行筛选
result = result.replaceAll("<br>", "\r\n");
result = result.replaceAll("<.*?>", "");
return result;
}
这里的replaceAll函数可以使用正则，于是所有的<>标签在最后就都被删除了。
- 上一篇：零基础写Java知乎爬虫之进阶篇
- 下一篇：零基础写Java知乎爬虫之抓取知乎答案
精彩图集
精彩文章