本篇文章為大家展示了如何使用JAVA來(lái)寫(xiě)個(gè)爬蟲(chóng),內(nèi)容簡(jiǎn)明扼要并且容易理解,絕對(duì)能使你眼前一亮,通過(guò)這篇文章的詳細(xì)介紹希望你能有所收獲。
為丁青等地區(qū)用戶提供了全套網(wǎng)頁(yè)設(shè)計(jì)制作服務(wù),及丁青網(wǎng)站建設(shè)行業(yè)解決方案。主營(yíng)業(yè)務(wù)為成都做網(wǎng)站、成都網(wǎng)站設(shè)計(jì)、丁青網(wǎng)站設(shè)計(jì),以傳統(tǒng)方式定制建設(shè)網(wǎng)站,并提供域名空間備案等一條龍服務(wù),秉承以專業(yè)、用心的態(tài)度為用戶提供真誠(chéng)的服務(wù)。我們深信只要達(dá)到每一位用戶的要求,就會(huì)得到認(rèn)可,從而選擇與我們長(zhǎng)期合作。這樣,我們也可以走得更遠(yuǎn)!
這篇文章其實(shí)是我很早之前就寫(xiě)好了的,這次重新整理一下。Java寫(xiě)爬蟲(chóng)可能很多朋友沒(méi)有去試過(guò),可能是由于這方面的資料比較少,也可能是Python寫(xiě)爬蟲(chóng)過(guò)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.
上面是官方給的jsoup官方解釋,中文意思是 jsoup 是一款Java 的HTML解析器,可直接解析某個(gè)URL地址、HTML文本內(nèi)容。它提供了一套非常省力的API,可通過(guò)DOM,CSS以及類似于jQuery的操作方法來(lái)取出和操作數(shù)據(jù)。
總的來(lái)說(shuō),就是可以幫我們解析HTML頁(yè)面,并且可以抓取html里面的內(nèi)容。
開(kāi)始寫(xiě)代碼
public static void main(String[] args) { try { //下面這行代碼是連接我們的目標(biāo)站點(diǎn),并且get到他的靜態(tài)HTML代碼 Document document=Jsoup.connect("http://www.runoob.com/w3cnote").get(); //我們把獲取到的document打印一下,看看里面到底是啥? System.out.println(document); } catch (IOException e) { e.printStackTrace(); } }
看我們代碼運(yùn)行后的結(jié)果:
你會(huì)發(fā)現(xiàn)我們通過(guò)這一句就獲得了“菜鳥(niǎo)筆記”這個(gè)網(wǎng)站的HTML源碼
我們來(lái)分析一下這串html源碼
發(fā)現(xiàn)這兩個(gè)正是我們所想要得到的數(shù)據(jù),我們繼續(xù)抓取
public static void main(String[] args) { try { Document document=Jsoup.connect("http://www.runoob.com/w3cnote").get(); //底下一行代碼是我們進(jìn)一步抓取到具體的HTML模塊,div表示標(biāo)簽, //后面的post-intro表示的是div的class //由于div.post-intro這個(gè)標(biāo)簽有多個(gè)(每個(gè)標(biāo)題有一個(gè)),所以我們先獲取到它的所有 Elements elements=document.select("div.post-intro"); //我們來(lái)遍歷一下,因?yàn)閐iv.post-intro有很多個(gè) for(int i=0;i標(biāo)簽。后面的text(),就是獲取中的內(nèi)容 String title=elements.select("a").get(i).text(); //attr是獲取里面的屬性 String url=elements.select("a").get(i).attr("href"); //分別打印出來(lái) System.out.println(title); System.out.println("http://www.runoob.com/"+url); } } catch (IOException e) { e.printStackTrace(); } } 上述內(nèi)容就是如何使用JAVA來(lái)寫(xiě)個(gè)爬蟲(chóng),你們學(xué)到知識(shí)或技能了嗎?如果還想學(xué)到更多技能或者豐富自己的知識(shí)儲(chǔ)備,歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。
本文標(biāo)題:如何使用JAVA來(lái)寫(xiě)個(gè)爬蟲(chóng)
瀏覽地址:http://weahome.cn/article/gdopeo.html