mp3歌曲,世爵娱乐71966澳门永利平台,广州市汽车客运站
对网页中各种不同格式的发布时间进行抽取，将发布时间以规整的“yyyy-mm-dd hh:mm:ss”格式表示出来，只能尽量追求精确，但是因为网络发布时间的格式十分灵活，所以做不到百分百地正确抽取
我要评论
package whu.extract.pubtime.core;
import java.util.arraylist;
import java.util.calendar;
import java.util.collections;
import java.util.list;
import java.util.regex.matcher;
import java.util.regex.pattern;
import whu.utils.timeutil;
/**
* created on 2014年3月13日 下午2:49:05
* @description 获取网页的发布时间
*/
public class fetchpubtime {
/** 表示url中连续的8位日期，例如http://www.baidu.com/20140311/2356.html */
private static string url_reg_whole= "([-|/|_]{1}20\\d{6})";
/** 表示 用-或者/隔开的日期,有年月日的，例如 http://www.baidu.com/2014-3-11/2356.html */
private static string url_reg_sep_ymd = "([-|/|_]{1}20\\d{2}[-|/|_]{1}\\d{1,2}[-|/|_]{1}\\d{1,2})";
/** 表示 用-或者/隔开的日期,只有年和月份的，例如 http://www.baidu.com/2014-3/2356.html */
private static string url_reg_sep_ym = "([-|/|_]{1}20\\d{2}[-|/|_]{1}\\d{1,2})";
private static calendar current = calendar.getinstance();
/** 格式正确的时间正则表达式*/
private static string righttimereg = "^((\\d{2}(([02468][048])|([13579][26]))[\\-\\/\\s]?((((0?[13578])|(1[02]))[\\-\\/\\s]?((0?[1-9])|([1-2][0-9])|(3[01])))|(((0?[469])|(11))[\\-\\/\\s]?((0?[1-9])|([1-2][0-9])|(30)))|(0?2[\\-\\/\\s]?((0?[1-9])|([1-2][0-9])))))|(\\d{2}(([02468][1235679])|([13579][01345789]))[\\-\\/\\s]?((((0?[13578])|(1[02]))[\\-\\/\\s]?((0?[1-9])|([1-2][0-9])|(3[01])))|(((0?[469])|(11))[\\-\\/\\s]?((0?[1-9])|([1-2][0-9])|(30)))|(0?2[\\-\\/\\s]?((0?[1-9])|(1[0-9])|(2[0-8]))))))(\\s(((0?[0-9])|([1-2][0-3]))\\:([0-5]?[0-9])((\\s)|(\\:([0-5]?[0-9])))))?$";
/**
* @param url
* @param urlcontent
* @return
*/
public static string getpubtimevarious(string url,string urlcontent) {
string pubtime = getpubtimefromurl(url);
//链接里面没有，匹配文本中的
if(pubtime == null)
{
if(urlcontent!=null&&!urlcontent.trim().equals(""))
return extractpagedate(urlcontent);
}
return pubtime;
}
/**从url里面抽取出发布时间，返回yyyy-mm-dd hh:mm:ss格式的字符串
* @param url
* @return
*/
public static string getpubtimefromurl(string url)
{
pattern p_whole = pattern.compile(url_reg_whole);
matcher m_whole = p_whole.matcher(url);
if(m_whole.find(0)&&m_whole.groupcount()>0)
{
string time = m_whole.group(0);
time = time.substring(1,time.length());
//每一步都不能够超出当前时间
if(current.compareto(timeutil.strtocalendar(time, "yyyymmdd"))>=0)
{
return time.substring(0,4)+"-"+time.substring(4,6)+"-"+
time.substring(6,8)+" "+"00:00:00";
}
}
p_whole = null;
m_whole = null;
pattern p_sep = pattern.compile(url_reg_sep_ymd);
matcher m_sep = p_sep.matcher(url);
if(m_sep.find(0)&&m_sep.groupcount()>0)
{
string time = m_sep.group(0);
time = time.substring(1,time.length());
string[] seg = time.split("[-|/|_]{1}");
calendar thetime = calendar.getinstance();
thetime.set(calendar.year,integer.parseint(seg[0]));
thetime.set(calendar.month, integer.parseint(seg[1]));
thetime.set(calendar.day_of_month, integer.parseint(seg[2]));
if(current.compareto(thetime)>=0)
{
return seg[0]+"-"+seg[1]+"-"+seg[2]+" "+"00:00:00";
}
}
p_sep = null;
m_sep = null;
pattern p_sep_ym = pattern.compile(url_reg_sep_ym);
matcher m_sep_ym = p_sep_ym.matcher(url);
if(m_sep_ym.find(0)&&m_sep_ym.groupcount()>0)
{
string time = m_sep_ym.group(0);
time = time.substring(1,time.length());
calendar thetime = calendar.getinstance();
string[] seg = time.split("[-|/|_]{1}");
thetime.set(calendar.year,integer.parseint(seg[0]));
thetime.set(calendar.month, integer.parseint(seg[1]));
thetime.set(calendar.day_of_month, 1);
if(current.compareto(thetime)>=0)
{
return seg[0]+"-"+seg[1]+"-"+"01"+" "+"00:00:00";
}
}
return null;
}
/** 从网页源码中取出发布时间
* java中正则表达式提取字符串中日期实现代码
* 2013年12月19日15:58:42
* 读取出2013-12-19 15:48:33或者2013-12-19或者2012/3/05形式的时间
* @param text 待提取的字符串
* @return 返回日期
* @author: oschina
* @createtime: jan 21, 2013
*/
public static string extractpagedate(string text) {
boolean containshms =false;
string datestr = text.replaceall("r?n", " ");
try {
list matches = null;
pattern p_detail = pattern.compile("(20\\d{2}[-/]\\d{1,2}[-/]\\d{1,2} \\d{1,2}:\\d{1,2}:\\d{1,2})|(20\\d{2}年\\d{1,2}月\\d{1,2}日)", pattern.case_insensitive|pattern.multiline);
//如果是仅仅抽取年月日，则按照上面的，如果是抽取年月日-时分秒，则按照下面的
pattern p = pattern.compile("(20\\d{2}[-/]\\d{1,2}[-/]\\d{1,2})|(20\\d{2}年\\d{1,2}月\\d{1,2}日)", pattern.case_insensitive|pattern.multiline);
//matcher matcher = p.matcher(datestr);
matcher matcher_detail = p_detail.matcher(datestr);
if(!(matcher_detail.find(0) && matcher_detail.groupcount() >= 1))
{
matcher_detail = p.matcher(datestr);
containshms = true;
}else
matcher_detail = p_detail.matcher(datestr);
if (matcher_detail.find() && matcher_detail.groupcount() >= 1) {
matches = new arraylist();
for (int i = 1; i <= matcher_detail.groupcount(); i++) {
string temp = matcher_detail.group(i);
matches.add(temp);
}
} else {
matches = collections.empty_list;
}
if (matches.size() > 0) {
for(int i=0;i<matches.size();i++)
{
string pubtime = matches.get(i).tostring().trim();
//取出第一个值
pubtime = pubtime.replace("/", "-").replace("年", "-").replace("月", "-").replace("日", "-");
if(current.compareto(timeutil.strtocalendar(pubtime, "yyyy-mm-dd"))>=0)
{
if(containshms)
pubtime+=" "+"00:00:00";
if(pubtime.matches(righttimereg))
{
return pubtime;
}
}
}
} else {
return null;
}
} catch (exception e) {
return null;
}
return null;
}
}
以上就是本文的全部内容，希望对大家学习java程序设计有所帮助。
如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复
浅析我对 String、StringBuilder、StringBuffer 的理解
使用IDEA搭建SSM框架的详细教程(spring + springMVC +MyBatis)
Springboot整合freemarker 404问题解决方案
引入mybatis-plus报 Invalid bound statement错误问题的解决方法
网友评论