如何使用JAVA来写个爬虫

本篇文章为大家展示了如何使用JAVA来写个爬虫,内容简明扼要并且容易理解,绝对能使你眼前一亮,通过这篇文章的详细介绍希望你能有所收获。

为丁青等地区用户提供了全套网页设计制作服务,及丁青网站建设行业解决方案。主营业务为成都做网站、成都网站设计、丁青网站设计,以传统方式定制建设网站,并提供域名空间备案等一条龙服务,秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求,就会得到认可,从而选择与我们长期合作。这样,我们也可以走得更远!

这篇文章其实是我很早之前就写好了的,这次重新整理一下。Java写爬虫可能很多朋友没有去试过,可能是由于这方面的资料比较少,也可能是Python写爬虫过于的方便。

 基本概念     

   jsoup is a Java library for working with real-world HTML. It provides a very convenient API for extracting and manipulating data, using the best of DOM, CSS, and jquery-like methods.

     上面是官方给的jsoup官方解释,中文意思是  jsoup 是一款Java 的HTML解析器,可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API,可通过DOM,CSS以及类似于jQuery的操作方法来取出和操作数据。

总的来说,就是可以帮我们解析HTML页面,并且可以抓取html里面的内容。

开始写代码  

我们的目标是抓取菜鸟笔记上的信息(文章标题和链接         )        

如何使用JAVA来写个爬虫

public static void main(String[] args) {     try {         //下面这行代码是连接我们的目标站点,并且get到他的静态HTML代码    Document document=Jsoup.connect("http://www.runoob.com/w3cnote").get();         //我们把获取到的document打印一下,看看里面到底是啥?    System.out.println(document);  } catch (IOException e) {    e.printStackTrace();  } }

看我们代码运行后的结果:

如何使用JAVA来写个爬虫

如何使用JAVA来写个爬虫

你会发现我们通过这一句就获得了“菜鸟笔记”这个网站的HTML源码

我们来分析一下这串html源码

如何使用JAVA来写个爬虫

发现这两个正是我们所想要得到的数据,我们继续抓取

public static void main(String[] args) {     try {    Document document=Jsoup.connect("http://www.runoob.com/w3cnote").get();    //底下一行代码是我们进一步抓取到具体的HTML模块,div表示
标签,            //后面的post-intro表示的是div的class            //由于div.post-intro这个标签有多个(每个标题有一个),所以我们先获取到它的所有            Elements elements=document.select("div.post-intro");            //我们来遍历一下,因为div.post-intro有很多个    for(int i=0;i标签。后面的text(),就是获取中的内容      String title=elements.select("a").get(i).text();           //attr是获取里面的属性      String url=elements.select("a").get(i).attr("href");           //分别打印出来      System.out.println(title);      System.out.println("http://www.runoob.com/"+url);    }  } catch (IOException e) {    e.printStackTrace();  } }
 

如何使用JAVA来写个爬虫

上述内容就是如何使用JAVA来写个爬虫,你们学到知识或技能了吗?如果还想学到更多技能或者丰富自己的知识储备,欢迎关注创新互联行业资讯频道。


网站栏目:如何使用JAVA来写个爬虫
当前链接:http://myzitong.com/article/gdopeo.html