本文實(shí)例講述了Java實(shí)現(xiàn)爬取百度圖片的方法。分享給大家供大家參考，具體如下：
創(chuàng)新互聯(lián)建站自成立以來，一直致力于為企業(yè)提供從網(wǎng)站策劃、網(wǎng)站設(shè)計(jì)、成都網(wǎng)站建設(shè)、網(wǎng)站設(shè)計(jì)、電子商務(wù)、網(wǎng)站推廣、網(wǎng)站優(yōu)化到為企業(yè)提供個性化軟件開發(fā)等基于互聯(lián)網(wǎng)的全面整合營銷服務(wù)。公司擁有豐富的網(wǎng)站建設(shè)和互聯(lián)網(wǎng)應(yīng)用系統(tǒng)開發(fā)管理經(jīng)驗(yàn)、成熟的應(yīng)用系統(tǒng)解決方案、優(yōu)秀的網(wǎng)站開發(fā)工程師團(tuán)隊(duì)及專業(yè)的網(wǎng)站設(shè)計(jì)師團(tuán)隊(duì)。
在以往用java來處理解析HTML文檔或者片段時，我們通常會采用htmlparser（http://htmlparser.sourceforge.net/）這個開源類庫?，F(xiàn)在我們有了JSOUP，以后的處理HTML的內(nèi)容只需要使用JSOUP就已經(jīng)足夠了，JSOUP有更快的更新，更方便的API等。
jsoup 是一款 Java 的HTML 解析器，可直接解析某個URL地址、HTML文本內(nèi)容。它提供了一套非常省力的API，可通過DOM，CSS以及類似于jQuery的操作方法來取出和操作數(shù)據(jù)，可以看作是java版的jQuery。
jsoup的主要功能如下：
jsoup是基于MIT協(xié)議發(fā)布的，可放心使用于商業(yè)項(xiàng)目。官方網(wǎng)站：http://jsoup.org/
步驟大致可以分為三個模塊：一是獲取網(wǎng)頁的資源，二是解析獲取的資源，取出我們想要的圖片URL地址，三是通過java的io存儲在本地文件中。
獲取網(wǎng)頁資源的核心模塊就是通過Jsoup去獲取網(wǎng)頁的內(nèi)容，具體核心代碼如下：
private static ListfindImageNoURl(String hotelId, String url, int timeOut) { List result = new ArrayList (); Document document = null; try { document = Jsoup.connect(url).data("query", "Java")//請求參數(shù) .userAgent("Mozilla/4.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0)")//設(shè)置urer-agent get(); .timeout(timeOut) .get(); String xmlSource = document.toString(); result = dealResult(xmlSource, hotelId); } catch (Exception e) { String defaultURL = "/upload/otherpic51/99971.jpg"; result = dealResult(defaultURL,hotelId); } return result; }
其中URL地址是百度圖片搜索的地址，具體調(diào)用代碼如下：
public static ListfindImage(String hotelName, String hotelId, int page) { int number=5; String url = "http://image.baidu.com/search/avatarjson?tn=resultjsonavatarnew&ie=utf-8&word=" + hotelName + "&cg=star&pn=" + page * 30 + "&rn="+number+"&itg=0&z=0&fr=&width=&height=&lm=-1&ic=0&s=0&st=-1&gsm=" + Integer.toHexString(page * 30); int timeOut = 5000; return findImageNoURl(hotelId, url, timeOut); }
這里需要注意的是：word是我們要搜索的關(guān)鍵字，pn是顯示的頁碼，rn是一頁顯示多少個數(shù)據(jù)。
解析網(wǎng)頁的資源，然后封裝起來。核心代碼如下：
private static ListdealResult(String xmlSource, String hotelId) { List result = new ArrayList (); xmlSource = StringEscapeUtils.unescapeHtml3(xmlSource); String reg = "objURL\":\"http://.+?\\.(gif|jpeg|png|jpg|bmp)"; Pattern pattern = Pattern.compile(reg); Matcher m = pattern.matcher(xmlSource); while (m.find()) { JsoupImageVO jsoupImageVO = new JsoupImageVO(); String imageURL = m.group().substring(9); if(imageURL==null || "".equals(imageURL)){ String defaultURL = "/upload/otherpic51/99971.jpg"; jsoupImageVO.setUrl(defaultURL); }else{ jsoupImageVO.setUrl(imageURL); } jsoupImageVO.setName(hotelId); result.add(jsoupImageVO); } return result; }
這里最主要的地方就是reg這個正則表達(dá)式，通過正則表達(dá)式，去網(wǎng)頁中解析符合規(guī)定的圖片URL地址，然后封裝在對象中。
最后一部分就是通過java的io流去圖片地址獲取圖片，并保存在本地。核心代碼如下：
重慶分公司
重慶分公司
//根據(jù)圖片網(wǎng)絡(luò)地址下載圖片
public static void download(String url,String name,String path){
File file= null;
File dirFile=null;
FileOutputStream fos=null;
HttpURLConnection httpCon = null;
URLConnection con = null;
URL urlObj=null;
InputStream in =null;
byte[] size = new byte[1024];
int num=0;
try {
dirFile = new File(path);
if(dirFile.exists()){
dirFile.delete();
}
dirFile.mkdir();
file = new File(path+"http://"+name+".jpg");
fos = new FileOutputStream(file);
if(url.startsWith("http")){
urlObj = new URL(url);
con = urlObj.openConnection();
httpCon =(HttpURLConnection) con;
in = httpCon.getInputStream();
while((num=in.read(size)) != -1){
for(int i=0;i這里面的操作都是java中io篇一些基礎(chǔ)的操作，有不懂的可以去看看java中io模塊的內(nèi)容。
因?yàn)槲疫@邊是maven項(xiàng)目，所以在開發(fā)前需要引入Jsoup依賴才可以。
源碼可點(diǎn)擊此處本站下載。
更多關(guān)于java相關(guān)內(nèi)容感興趣的讀者可查看本站專題：《Java網(wǎng)絡(luò)編程技巧總結(jié)》、《Java Socket編程技巧總結(jié)》、《Java文件與目錄操作技巧匯總》、《Java數(shù)據(jù)結(jié)構(gòu)與算法教程》、《Java操作DOM節(jié)點(diǎn)技巧總結(jié)》和《Java緩存操作技巧匯總》
希望本文所述對大家java程序設(shè)計(jì)有所幫助。
