zoukankan      html  css  js  c++  java
  • 【零基础】快速入门爬虫框架HtmlUnit

    迅速的HtmlUnit

      htmlunit是一款开源的web页面分析工具,理论上来说htmlunit应用于网页的自动化测试,但是相对来说更多人使用它来进行小型爬虫的快速开发。使用htmlunit进行爬虫开发不仅是其运行速度快,更重要的是此框架上手更为容易(相对于POST、selenium)。

    基本环境

      1、java,首先你得安装好javaSDK(版本随意)、编译器(eclipse)

      2、HtmlUnit,项目以jar文件的形式发布,可以上官网下载最新版本(htmlunit-2.35.0-bin.zip)并解压,所有jar文件都在lib目录中。文末附下载链接

    创建项目、引入jar包

      1、打开eclipse,新建一个java项目

      2、右键项目选择属性(Properties)

      3、选择“java Build Path”->“Libraries”->“Add External JARs”

      4、找到前面下载的jar文件(htmlunit-2.35.0->lib目录),将所有jar文件选中,点击“打开”按钮,而后点击“OK”按钮,则htmlunit所有jar文件就引入了我们新建的项目,在此项目中也就可以直接使用htmlunit提供的各种功能来实现网页分析。

    简单实例

      1、新建一个class文件

      2、输入下述代码

      运行一下看看是否得到了页面的xml代码以及百度网站首页的文本内容

     更多学习资料

      只是简单的运行起来当然不够,所以我们准备了更多的学习资料,关注公众号“零基础爱学习”回复“HU”获取《HtmlUnit官方简易教程中译版》,内容包括:

      1、使用不同版本的浏览器打开网页

      2、找到页面中特定的元素

      3、元素检索

      4、点击页面中的按钮


      以及前面说到的htmlunitjar包最新版本(htmlunit-2.35.0-bin)

     

  • 相关阅读:
    python3----列表
    python3----字符串
    PTA 深入虎穴 (正解)和树的同构
    第5章 树与二叉树学习小结
    第4章学习小结_串(BF&KMP算法)、数组(三元组)
    《数据结构》第3章-栈与队列的学习总结
    《数据结构》第2章线性表的学习总结
    Web安全基础——小白自学
    git撤销commit
    收藏一些比较好的前端博客
  • 原文地址:https://www.cnblogs.com/cation/p/11178710.html
Copyright © 2011-2022 走看看