1.爬取百家姓

目标网站，仅作为实验目的。

①爬取姓氏网站： https://hanyu.baidu.com/shici/detail?from=aladdin&pid=0b2f26d4c0ddb3ee693fdb1137ee1b0d&showPinyin=1
②爬取男生名字网站：https://baijiahao.baidu.com/s?id=1744863812577130101&wfr=spider&for=pc
③爬取女生名字网站：https://baijiahao.baidu.com/s?id=1743833274577209720&wfr=spider&for=pc

1.爬取代码

1.爬虫函数（使用转换流，输入输出流）

    /**
     *从网络中爬取数据，将数据拼接成字符串
     * @param net 网址
     * @return 爬取的数据
     */
    public static String webCrawler(String net) throws IOException {
        //拼接爬取到的数据
        StringBuilder sb = new StringBuilder();
        //创建一个url对象
        URL url = new URL(net);
        //网络连接
        URLConnection conn = url.openConnection();
        //读取数据
        InputStreamReader isr = new InputStreamReader(conn.getInputStream());//转换流
        int ch;
        while ((ch = isr.read()) != -1){
            sb.append((char) ch);
        }
        //释放资源
        isr.close();
        //将读取的数据进行返回
        return sb.toString();
    }
}

2.数据筛选函数（正则表达式）

   /**
     *根据正则表达式获取数据
     * @param str 完整的字符串
     * @param rule 正则表达式
     * @return 姓氏
     */
    private static ArrayList<String> getData(String str, String rule,int index) {
        //存放数据
        ArrayList<String> list = new ArrayList<>();
        //获取编译器
        Pattern compile = Pattern.compile(rule);
        //使用编译器匹配字符串
        Matcher matcher = compile.matcher(str);

        while (matcher.find()){
            String group = matcher.group(index);
            list.add(group);
        }

        return list;
    }

3.主函数main

public class Test1 {
    public static void main(String[] args) throws IOException {
        //定义变量记录爬取目标的网址
        String familyNameNet = "https://hanyu.baidu.com/shici/detail?from=aladdin&pid=0b2f26d4c0ddb3ee693fdb1137ee1b0d&showPinyin=1";
        String boyName = "https://baijiahao.baidu.com/s?id=1744863812577130101&wfr=spider&for=pc";
        String girlName = "https://baijiahao.baidu.com/s?id=1743833274577209720&wfr=spider&for=pc";

        //爬取数据,把网址上所有的数据拼接成一个字符串
        String family = webCrawler(familyNameNet);
        String boy = webCrawler(boyName);
        String girl = webCrawler(girlName);

        //使用正则表达式，筛选数据
        ArrayList<String> familyNameTemp = getData(family, "(.{4})(，|。)", 1);

        System.out.println(familyNameTemp);
    }

2.爬取效果

使用集合（ArrayList）存储

2.爬取名字

1.筛选男生名字

使用正则表达式匹配汉字

        ArrayList<String> boyNameTemp = getData(boy, "([\\u4E00-\\u9FA5]{2})(、|。)", 1);
        System.out.println(boyNameTemp);

效果：

2.筛选女生名字

        ArrayList<String> girlNameTemp = getData(girl, "([\\u4E00-\\u9FA5]{2})(、|。)", 1);
        System.out.println(girlNameTemp);

效果：

3.数据处理（去除重复）

        //处理男生名字
        //去除重复元素
        ArrayList<String> boyList = new ArrayList<>();
        for (String str : boyNameTemp) {
            if (!boyList.contains(str)){
                boyList.add(str);
            }
        }
        System.out.println(boyList);

        //处理男生名字
        //去除重复元素
        ArrayList<String> girlList = new ArrayList<>();
        for (String str : girlNameTemp) {
            if (!girlList.contains(str)){
                girlList.add(str);
            }
        }
        System.out.println(girlList);

4.拼接数据

拼接成指定集合元素的格式：“张三-性别-年龄”

    /**
     * 作用:
     * 获取男生和女生的信息:张三-男-23
     *
     * @param familyList 参数一:装着姓氏的集合
     * @param boyList    参数二:装着男生名字的集合
     * @param girlList   参数三:装着女生名字的集合
     * @param boyCnt     参数四:男生的个数
     * @param girlCnt    参数五:女生的个数
     * @return
     */
    public static ArrayList<String> getInfos(ArrayList<String> familyList, ArrayList<String> boyList, ArrayList<String> girlList, int boyCnt, int girlCnt) {
        //生成不重复的名字
        //男生
        HashSet<String> boyhs = new HashSet<>();
        while (true) {
            if (boyhs.size() == boyCnt) {
                break;
            }
            //随机生成
            Collections.shuffle(familyList);
            Collections.shuffle(boyList);
            boyhs.add(familyList.get(0) + boyList.get(0));

        }
        //生成女生
        HashSet<String> girlhs = new HashSet<>();
        while (true) {
            if (girlhs.size() == girlCnt) {
                break;
            }
            //随机生成
            Collections.shuffle(familyList);
            Collections.shuffle(girlList);
            girlhs.add(familyList.get(0) + girlList.get(0));

        }

        //最终格式；张三-男-21
        ArrayList<String> list = new ArrayList<>();
        Random random = new Random();
        //添加男生：年龄要求在18到27岁
        for (String boyName : boyhs) {
            int age = random.nextInt(10) + 18;
            list.add(boyName + "-男-" + age);
        }
        //添加女生：年龄要求在18到25岁
        for (String girlName : girlhs) {
            int age = random.nextInt(8) + 18;
            list.add(girlName + "-女-" + age);
        }
        return list;
    }

主函数添加代码：

        ArrayList<String> infos = getInfos(familyList, boyList, girlList, 10, 10);
        //打乱集合顺序
        Collections.shuffle(infos);
        System.out.println(infos);

效果：

5.将数据写出到文件中

        //写出数据
        BufferedWriter bw = new BufferedWriter(new FileWriter("G:\\JavaReview\\day33\\names.txt"));
        for (String info : infos) {
            bw.write(info);
            bw.newLine();
        }

        bw.close();

查看效果：