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，用来格式化写入到本地时的排版。

 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

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a4b561c25d9afb9ac8dc4d70affff419和0c6dc11e160d3b678d68754cc175188a。
我们可以在输出的时候对这些标记进行处理。
先把0c6dc11e160d3b678d68754cc175188a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。

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a8093152e673feb7aba1828c43532094标签在最后就都被删除了。

 以上就是零基础写Java知乎爬虫之将抓取的内容存储到本地(2)的内容，更多相关内容请关注PHP中文网（www.php.cn）！