webMagic入门案例，启动流程，及从页面中获取元素，并放到Page对象中，并成功拿出

本例作用：

1）首次成功配置，了解软件运行机制
2）从页面中获取元素三种方式 jsoup,xpath,css
3) page.putField("subject","尝试存入结果项的内容,可从页面中获取值");
4）page.getResultItems().get("subject") 从结果集中拿出数据
5）List<String> links =page.getHtml().links().all(); 取出所有超链接
6）通过正则表达式找出结果集，放到到page中，并取出打印foreach()

 //找出所有链接下详细招聘格式网址 http://sqrcw.com/zhaopin/job_233460.html
List<String> linkDetails =page.getHtml().links().regex("(^http://sqrcw.com\/zhaopin\/job_\d*\.html)").all();

        page.putField("linkDetails",linkDetails); //放入到Page对象中
        List<ResultItems> linkDetails_inPage = page.getResultItems().get("linkDetails");

 完整第一天学习代码：

package com.ibaiqi.study;


import us.codecraft.webmagic.Page;
import us.codecraft.webmagic.ResultItems;
import us.codecraft.webmagic.Site;
import us.codecraft.webmagic.Spider;
import us.codecraft.webmagic.pipeline.JsonFilePipeline;
import us.codecraft.webmagic.processor.PageProcessor;
import us.codecraft.webmagic.selector.Selectable;
import java.util.List;
import java.util.Map;

/**
 * 快速入门，了解webMagic启动流程，及从页面中选择元素
 * 同时以www.sqrcw.com获取详细招聘信息
 */
public class Sqrcw_comProcessor implements PageProcessor {
    Site site=Site.me()
            .addCookie("userName2","zhangdaxu")
            .setRetryTimes(3).setSleepTime(100).setTimeOut(20000);

    @Override
    public void process(Page page) {


        System.out.println(site);
        System.out.println("开始采集"+page.getUrl());
     System.out.println("开始采集超链接"+page.getHtml().css(".s1 a"));
        //尝试向结果项（采集存入项）中写入数据
        page.putField("subject","尝试存入结果项的内容");
        //测试从结果项中拿出数据
        System.out.println("取结果项值:"+page.getResultItems().get("subject"));
　　　　　
        page.putField("职位",page.getHtml().css(".s1 a"));
        //得到结果项,返回ResultItems
        System.out.println(""+page.getResultItems());
        System.out.println(page.getResultItems().get("subject"));
        //返回json的结果为json
        System.out.println(page.getJson());
        //获得当前页面超链接
        System.out.println("page.getUrl()");
        System.out.println(page.getUrl().all());
        System.out.println("selectAble() 从站点中查找部份内容");
        Selectable selectable=page.getHtml();
        System.out.println(selectable.$("#main1"));
        String url = page.getRequest().getUrl();
        System.out.println("url"+url);

        Map<String, String> cookies = page.getRequest().getCookies();
//        System.out.println("cookies"+cookies);
//        System.out.println(page.getCharset());
//        System.out.println(site.getCookies());
//        System.out.println(page.getStatusCode());
        System.out.println("得到起链接总数:"+page.getHtml().links().all().size());
        System.out.println("得到所有超链接:");
       List<String> links =page.getHtml().links().all();
       int i=0;
        for (String link:links ) {
            i++;
            System.out.println(i+"条:"+link);
        }
        System.out.println("正则表达式,找出招聘详细页面");
        //找出所有链接下详细招聘格式网址 http://sqrcw.com/zhaopin/job_233460.html
        List<String> linkDetails =page.getHtml().links().regex("(^http://sqrcw.com\/zhaopin\/job_\d*\.html)").all();
        for (String linkDetail:
                linkDetails) {
            System.out.println(linkDetail);
        }
        System.out.println("详细页面总共:"+linkDetails.size());
        //放到page对象中，并取出，目的是为以后放进pipeline对象中，做持久化操作

        page.putField("linkDetails",linkDetails); //放入到Page对象中
        List<ResultItems> linkDetails_inPage = page.getResultItems().get("linkDetails");

        System.out.println("page对象中取出的数据");
        for (Integer j=0 ;j<linkDetails_inPage.size();j++){
            System.out.println(linkDetails_inPage.get(j));
        }

    }

    @Override
    public Site getSite() {
        return site;
    }

    public static void main(String[] args) {
        System.out.println("开始采集001");
        //本类是实现 pageProcessor
        PageProcessor pageProcessor = new Sqrcw_comProcessor();
        //从才网查找数据详细页面测试
        Spider.create(pageProcessor).addUrl("http://sqrcw.com/job/")
                .addPipeline(new JsonFilePipeline("D:\data\webmagic"))
                .run();
        System.out.println("采集结束0001");

    }
}