爬虫

目录

• 爬虫Jsoup
  • Demo

爬虫Jsoup

Demo

<!--		解析网页 只是解析网页  音乐和电影taki了解下-->
		<dependency>
			<groupId>org.jsoup</groupId>
			<artifactId>jsoup</artifactId>
			<version>1.10.2</version>
		</dependency>

package com.example.demo.utils;

import com.example.demo.pojo.Content;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import java.net.URL;
import java.util.ArrayList;
import java.util.List;

public class HtmlParseUtil {
    public static void main(String[] args) throws Exception {
        new HtmlParseUtil().parseJD("java");
    }

    public List<Content> parseJD(String keyWords) throws Exception {
        //        获取请求 https://search.jd.com/Search?keyword=java
//        前提是 需要联网  【ajax不能获取到，模拟浏览器才能获取到】
        String url = "https://search.jd.com/Search?keyword=" + keyWords;
//      解析网页 （Jsoup 返回的Document就是浏览器Document对象）
        Document document = Jsoup.parse(new URL(url), 30000);
//        所有在js中可以使用的方法，这里都能用
        Element element = document.getElementById("J_goodsList");

        System.out.println(element.html());

//        获取所有的li元素
        Elements elements = element.getElementsByTag("li");

        ArrayList<Content> goodsList = new ArrayList<>();

//        获取元素中的内容，这里el 就是每一个li标签了
        for (Element el : elements) {
//            关于这种图片特别多的网站，所有的图片都是延迟加载的！ 懒加载
//            source-data-lazy-img
//            String img = el.getElementsByTag("img").eq(0).attr("src");
            String img = el.getElementsByTag("img").eq(0).attr("source-data-lazy-img");
            String price = el.getElementsByClass("p-price").eq(0).text();
            String title = el.getElementsByClass("p-name").eq(0).text();
            System.out.println(img);
            System.out.println(price);
            System.out.println(title);
            System.out.println("--------------------------------");
            Content content = new Content();
            content.setImg(img);
            content.setImg(price);
            content.setImg(title);
            goodsList.add(content);
        }
        return goodsList;
    }
}