Java和Python使用有道词典制作查单词脚本

先上两张图看一下效果
Java的：
Java执行效果
Python的：
Python执行效果

今天突发奇想，想做个查单词的东西，就赶紧去有道词典官网看了一下，原来我们要查询的单词是嵌入在网页地址中送给有道词典的，然后页面的结果就是我们需要的单词释义，所以这个东西需要的技术知识只有：

正则表达式

我们要做的只是从获取到的网页源码中提取处单词释义，所以这里只说提取单词释义的正则表达式。
分析网页源码，我们可以看到，单词释义都在一个div标签内,如图：
div截图
首要目标是获取这一部分，正则表达式可以这样写：

(?s)<div class=\"trans-container\">.*?<ul>.*?</div>
//(?s)的含义是使'.'可以匹配换行符，默认是不匹配的
//.*?意思是在非贪婪模式下，匹配任意多个字符

获取到这一部分后，进一步的，我们需要的是里面的单词释义，所以，我们可以这样：

(?m)<li>(.*?)</li>
//(?m)的含义是按行匹配，在没一行都按照这个正则表达式匹配，默认情况是不分行，统一匹配的
//这里用小括号把.*?包起来，为的是可以直接获取单词的含义，舍去旁边的标签

下面是具体的代码：

一，Java代码

import org.apache.http.client.methods.CloseableHttpResponse;
import org.apache.http.client.methods.HttpGet;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.HttpClients;
import org.apache.http.util.EntityUtils;

import java.io.IOException;
import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Test {
    public static void main(String[] args) throws IOException {
        CloseableHttpClient httpClient = HttpClients.createDefault();

        System.out.print("请输入你要查的单词:");
        Scanner s = new Scanner(System.in);
        String word = s.nextLine();
        word = word.replaceAll(" ","+");

        //根据查找单词构造查找地址
        HttpGet getWordMean = new HttpGet("http://dict.youdao.com/search?q=" + word + "&keyfrom=dict.index");
        CloseableHttpResponse response = httpClient.execute(getWordMean);//取得返回的网页源码

        String result = EntityUtils.toString(response.getEntity());
        response.close();
        //注意(?s)，意思是让'.'匹配换行符，默认情况下不匹配
        Pattern searchMeanPattern = Pattern.compile("(?s)<div class=\"trans-container\">.*?<ul>.*?</div>");
        Matcher m1 = searchMeanPattern.matcher(result); //m1是获取包含翻译的整个<div>的

        if (m1.find()) {
            String means = m1.group();//所有解释，包含网页标签
            Pattern getChinese = Pattern.compile("(?m)<li>(.*?)</li>"); //(?m)代表按行匹配
            Matcher m2 = getChinese.matcher(means);

            System.out.println("释义:");
            while (m2.find()) {
                //在Java中(.*?)是第1组，所以用group(1)
                System.out.println("\t" + m2.group(1));
            }
        } else {
            System.out.println("未查找到释义.");
            System.exit(0);
        }
    }
}

二，Python代码

#!/usr/bin/python
#coding:utf-8
import urllib
import sys
import re

if len(sys.argv) == 1:  #没有单词就提示用法
    print "用法:./Dict.py 要查找的单词"
    sys.exit()

word = ""
for x in range(len(sys.argv) - 1): #查找的可能是短语，中间有空格，如"join in",这里拼接单词
    word += " " + sys.argv[x + 1]
print "单词：" + word

searchUrl = "http://dict.youdao.com/search?q=" + word + "&keyfrom=dict.index"   #查找的地址
response = urllib.urlopen(searchUrl).read() #获得查找到的网页源码

#从网页源码提取出单词释义那一部分
searchSuccess = re.search(r"(?s)<div class=\"trans-container\">.*?<ul>.*?</div>",response)

if searchSuccess:
    #获取我们想提取的核心单词释义，在只有一个分组的情况下，findall返回这个子组字符串组成的列表
    means = re.findall(r"(?m)<li>(.*?)</li>",searchSuccess.group())
    print "释义："
    for mean in means:
        print "\t" + mean   #输出释义
else:
    print "未查找到释义."