java怎么写爬虫?java写爬虫简单示例

阳光 2022-03-07 15:07:20 java常见问答 7989

爬虫一般指网络爬虫,是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本。我们利用java技术就可以将爬虫开发出来,那java怎么写爬虫?下面来我们就用实例给大家讲解一下。

本项目中需要用到两个第三方jar包,分别为 jsoup 和 commons-io。

jsoup的作用是为了解析网页, commons-io 是为了把数据保存到本地。

1.爬取贴吧

第一步,打开eclipse,新建一个java项目,名字就叫做 pachong:

java怎么写爬虫?java写爬虫简单示例.jpg

然后,新建一个类,作为我们程序的入口。

1.jpg

这个作为入口类,里面就写一个main方法即可。

public class StartUp
{
    public static void main(String[] args)
    {}
}

第二步,导入我们的依赖,两个jar包:

2.jpg

右键jar包,Build path , add to Build path

接着,我们试着搜索一下动漫吧的数据:

https://tieba.baidu.com/f?kw=%B6%AF%C2%FE&tpl=5

public class StartUp
{
    public static void main(String[] args)
    {
        String url = "https://tieba.baidu.com/f?kw=%B6%AF%C2%FE&tpl=5";
        Connection connect = Jsoup.connect(url);
        System.out.println(connect);
    }
}

如果能够成功打印出来链接,说明我们的连接测试是成功的!

3.jpg

然后,我们调用connect的get方法,获取链接到的数据:

Document document = connect.get();

这边需要抛出一个异常,而且是强制性的,因为有可能会获取失败。这边我们直接抛出去,不去捕获。

public class StartUp
{
    public static void main(String[] args) throws IOException
    {
        String url = "https://tieba.baidu.com/f?kw=%B6%AF%C2%FE&tpl=5";
        Connection connect = Jsoup.connect(url);
        System.out.println(connect);
        Document document = connect.get();
        System.out.println(document);
    }
}

打印出来的结果:

4.jpg

可见,document对象装的就是一个完整HTML页面。

在这里,我们想要拿到的第一个数据,就是所有帖子的标题:

我们发现,每一个标题都是一个a连接,class为j_th_tit 。

下一步我们就考虑获取所有class为 j_th_tit 的元素。

5.jpg

我们发现,document对象给我们提供了 getElementsByClass 的方法,顾名思义,就是获取class为 XXX 的元素。

Elements titles = document.getElementsByClass("j_th_tit");

接着,遍历titles,打印出每一个标题的名称:

for (int i = 0; i < titles.size(); i++)
{
    System.out.println(titles.get(i)
        .attr("title"));
}

当前代码:

import java.io.IOException;
import org.jsoup.Connection;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;
public class StartUp
{
    public static void main(String[] args) throws IOException
    {
        String url = "https://tieba.baidu.com/f?kw=%B6%AF%C2%FE&tpl=5";
        Connection connect = Jsoup.connect(url);
        Document document = connect.get();
        Elements titles = document.getElementsByClass("j_th_tit");
        for (int i = 0; i < titles.size(); i++)
        {
            System.out.println(titles.get(i)
                .attr("title"));
        }
    }
}

这样就完成了java爬虫的过程,其实Java爬虫就是抓取信息,我们在开发爬虫的时候,了解爬虫原理开发起来也很简单的!最后大家如果想要了解更多java实例知识,敬请关注奇Q工具网。

推荐阅读:

java死循环会抛出什么异常?java死循环有哪些危害?

git客户端有哪些好用工具?git好用工具分享

qt解析json出现错误码9什么意思?json怎么正确解析?