零基礎寫Java知乎爬蟲之將抓取的內容儲存到本地(2)

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。

 程式碼如下:

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，這樣就差不多了，接下來吧mian方法中的System.out.println改成

程式碼如下:

// 写入本地  
        for (Zhihu zhihu : myZhihu) {  
            FileReaderWriter.writeIntoFile(zhihu.writeString(),  
                    "D:/知乎_编辑推荐.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本地的txt檔案裡：

大體一看沒什麼問題，仔細看看發現問題：存在太多的html標籤，主要是和
。
我們可以在輸出的時候對這些標記進行處理。
先把
換成io流裡面的rn，再把所有的html標籤都刪除，這樣看起來會清晰很多。

程式碼如下:

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;  
}

這裡的replaceAll函數可以用正規則，於是所有的標籤在最後就都被刪除了。

 以上就是零基礎寫Java知乎爬蟲之將抓取的內容儲存到本地(2)的內容，更多相關內容請關注PHP中文網（www.php.cn）！