Java教程

笔记---使用Java实现简单的爬虫功能爬取网站资源

本文主要是介绍笔记---使用Java实现简单的爬虫功能爬取网站资源,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

文章目录

    • 项目配置
    • 实现代码

项目配置

引入jsoup依赖包

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>org.example</groupId>
    <artifactId>Spider</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <maven.compiler.source>17</maven.compiler.source>
        <maven.compiler.target>17</maven.compiler.target>
    </properties>

    <dependencies>
        <dependency>
            <groupId>org.jsoup</groupId>
            <artifactId>jsoup</artifactId>
            <version>1.14.3</version>
        </dependency>
    </dependencies>

</project>

实现代码

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import java.io.*;
import java.net.URL;
import java.net.URLConnection;

public class Spider {
    public static void main(String[] args) throws IOException {
        //url连接/目标网站
        String url = "http://www.dzs.so/Book/List";
        //获取保存的位置
        File saveFile = new File("D:\\IDEA_CODE_F\\com\\photo");
        //由于这里获取到的url地址为相对地址,所以加上前缀
        String headURL = "http://www.dzs.so/";
        //指定url和超时时间
        Document document = Jsoup.parse(new URL(url), 10000);
        //指定从那个元素中获取
        Elements img = document.getElementsByTag("img");
        for (Element element : img) {
            //从src属性中获取url连接
            String src = element.attr("src");
            //获取图片名
            String title = element.attr("title").split("epub")[0];
            //获得输入和输出流
            URL url1 = new URL(headURL + src);
            URLConnection urlConnection = url1.openConnection();
            InputStream in = urlConnection.getInputStream();
            OutputStream out = new FileOutputStream(saveFile + File.separator + title + ".jpg");
            int n;
            while ((n = in.read() )!= -1){
                out.write(n);
            }
            in.close();
            out.close();
        }


    }
}

运行结果图:在这里插入图片描述

资料参考:
https://www.bilibili.com/video/BV1RU4y147eZ
https://www.bilibili.com/medialist/play/watchlater/BV19h41147AQ

这篇关于笔记---使用Java实现简单的爬虫功能爬取网站资源的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!