一个页面静态化的工具类代码,Java代码库,德仔网

代码语言

代码分类

【Java】一个页面静态化的工具类

作者:dezai / 发布于2014/8/6/ 666

自动爬取所有网页，生成静态页面。如果不需要静态化，可以配置变量。网页地址生成规则是正则表达式。页面静态化的方案：1、把需要静态化的页面静态化。2、把不需要静态化页面的url地址用标签转换。优点：不需要URL转发。


	package com.spider;
	
	import java.io.ByteArrayOutputStream;
	import java.io.IOException;
	import java.io.InputStream;
	import java.net.MalformedURLException;
	import java.net.URL;
	import java.util.ArrayList;
	import java.util.Arrays;
	import java.util.Date;
	import java.util.List;
	import java.util.UUID;
	import java.util.regex.Matcher;
	import java.util.regex.Pattern;
	
	import org.apache.commons.io.IOUtils;
	/**
	* @author lpf
	* 一个URL缓存工具类
	*/
	public class Spider {
	 static String refuseUrl[] = new String[] {"/shop/acart.do"};//多有不需要处理的url地址
	 static String[][] convert = new String[4][2] ;//url变更规则
	 static String[] v= new String[]{"<link.+href=\"(.+?)\"","<script.+src=\"(.+?)\"","<img.+src=\"(.+?)\"","url\\((.+?)\\)"} ;//给css,js,jpg,png 加版本号
	 static{
	 convert[0]=new String[]{ "^/(.+?).do$", "/%s.html"}; //处理以/开头，以.do结尾的
	 convert[1]=new String[]{ "^/(.+?).jsp$", "/%s.html"};//处理以/开头，以.jsp结尾的
	 convert[2]=new String[]{ "^/phone/peijian/index.jsp\\?type=(.+)", "/phone/peijian/index_type_%s.html"};//处理分类
	 convert[3]=new String[]{ "^/phone/product.do\\?id=(.+)", "/phone/product%s.html"};//处理产品
	 }
	 public static void main(String[] args) throws Exception {
	 System.out.println(addV( staticUrl(getUrlHtml("http://www.daq.cn")) ) );
	 }
	 /**
	 * 给css,js,jpg,png 加版本号
	 * @author lpf
	 * @param sb
	 * @return
	 */
	 public static StringBuffer addV(StringBuffer sb) {
	 StringBuffer res=new StringBuffer();
	 for (int i = 0; i < v.length; i++) {
	 res=new StringBuffer();
	 Pattern pattern = Pattern.compile( v[i]);
	 Matcher matcher = pattern.matcher( sb);
	 while (matcher.find()) {
	 String v=matcher.group(0);
	 String v1=matcher.group(1);
	 matcher.appendReplacement(res,v.replace(v1 ,v1+"?v="+ new Date().getTime()));
	 }
	 matcher.appendTail(res);
	 sb=res;
	 }
	 return res;
	 }
	 /**
	 * 得到一个网页的所有url
	 * @author lpf
	 * @param url
	 * @return
	 * @throws Exception
	 */
	 public static List<String> getPageUrl(String url) throws Exception {
	 List<String> ls=new ArrayList<String>();
	 StringBuffer sb= getUrlHtml(url);
	 Pattern pattern = Pattern.compile("<a.+href=\"(.+?)\"");
	 Matcher matcher = pattern.matcher( sb);
	 while (matcher.find()) {
	 ls.add( matcher.group(1));
	 }
	 return ls;
	 }
	 /**
	 * 得到一个网页的html内容
	 * @author lpf
	 * @param url
	 * @return
	 */
	 public static StringBuffer getUrlHtml(String url) {
	 List<String> ls=new ArrayList<String>();
	 try {
	 URL u = new URL( url);
	 InputStream in = u.openStream();
	 ByteArrayOutputStream os=new ByteArrayOutputStream();
	 IOUtils.copy(in, os);
	 in.close();
	 StringBuffer sb=new StringBuffer( new String( os.toByteArray()) );
	 os.close();
	 return sb;
	 } catch (MalformedURLException e) {
	 e.printStackTrace();
	 } catch (IOException e) {
	 e.printStackTrace();
	 }
	 return null;
	 }
	 /**
	 * 把一个网页的内容url地址全部静态化
	 * @author lpf
	 * @param sb
	 * @return
	 */
	 public static StringBuffer staticUrl(StringBuffer sb) {
	 Pattern pattern = Pattern.compile("<a.+href=\"(.+?)\"");
	 Matcher matcher = pattern.matcher( sb);
	 StringBuffer res=new StringBuffer();
	 while (matcher.find()) {
	 String v=matcher.group(0);
	 String v1=matcher.group(1);
	 matcher.appendReplacement(res,v.replace(v1 ,convertUrl( matcher.group(1))));
	 }
	 matcher.appendTail(res);
	 return res;
	 }
	
	 /**
	 * 把一个url地址，通过规则变成另外个地址
	 * @author lpf
	 * @param url
	 * @return
	 */
	 private static String convertUrl(String url) {
	 //先过滤不需要处理的页面
	 for (int i = 0; i < refuseUrl.length; i++) {
	 if ( refuseUrl[i].equals(url)) {
	 return url;
	 }
	 }
	 //按照规则改写地址
	 for (int i = 0; i < convert.length; i++) {
	 String []c=convert[i];
	 Pattern pattern = Pattern.compile( c[0]);
	 Matcher matcher = pattern.matcher( url);
	 while (matcher.find()) {
	 return String.format( c[1] ,matcher.group(1));
	 }
	 }
	 return url;
	 }
	}

试试其它关键字

　工具类　　页面静态化　

同语言下

可能有用的

dezai贡献的其它代码(1065)