前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >利用Jsoup解析网页,抓取数据的简单应用

利用Jsoup解析网页,抓取数据的简单应用

作者头像
用户5166556
发布2019-04-16 11:54:51
1.1K0
发布2019-04-16 11:54:51
举报
文章被收录于专栏:让技术和时代并行

最近一直在公司利用爬虫技术,去抓取一些网页查询网站备案信息,刚开始使用HttpClient 和 jericho (这两个也挺好用你可以去测试一下)。但是后来发现了Jsoup,他和Jquery很相似,在搜节点上使用的技术几乎相似。所以凡是使用过Jquery的都可以去尝试使用Jsoup去解析抓取数据。下面举个例子我们去抓去所有公交车的信息(哥是郑州的哈)。

在解析之前你需要jar包,你可以去http://jsoup.org/直接下载。如果使用maven更方便 只需引进依赖     例如  

代码语言:javascript
复制
<dependency>
 <groupId>org.jsoup</groupId>
 <artifactId>jsoup</artifactId>
 <version>1.7.3</version>
</dependency>

好了下面进入正题,我将用一个实例来证明怎么去连接网站,抓取,最后解析的过程:

代码语言:javascript
复制
package parserhtml;


import java.io.IOException;


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


public class ParserCarHtml {
      static String url = "http://218.28.136.21:8081/line.asp";//公交website
       public static Document getHtml(String domain){
       Document html = null;
    try {
                       
//与网站建立连接,并拿到页面。(注意这里?号一定要加上,这也是抓取页面的过程,如果在浏览器中没有?,不用写,这点你可以参考浏览器是怎么解析的,然后试图模       //仿,不过今年来有些人用于非法解析,所以有些网站防爬虫,但是不用怕,在Jsoup中Connection中提供了一系列,添加Cookie,和一些请求参数的方法,这点你可以把              // 浏览器中的参数以key - value的形式copy进去 ,那么你的程序将模拟一个浏览器例如: 
    // Jsoup.connect(url+"?xl="+domain).data("", "").cookie("", "").get();  这里面填写的分别是浏览器中的信息,你可以鼠标右键,审查元素,然后可以找到相应信息。*/

         html = Jsoup.connect(url+"?xl="+domain).get();
        } catch (IOException e) {
             e.printStackTrace();
        }
         return html;
     }
     
    public static String PaserHtml(Document html){
         Elements node = html.select("a");//进行你需要的选择元素。我的这个解析网站比较简单。你可以利用Jsoup中提供的方法去获取一些需要的元素。
         String html1 = node.toString();
         String html2 = html1.replaceAll("\\p{Punct}", "").replaceAll("[a-zA-Z]", "").replaceAll("\\p{Digit}", "");//利用正则表达式去解析网站
         return html2;
     }
     
      
     public static void main(String[] args) {
        getHtml("904");//这里的904是我随便输入的公交车路线。
        PaserHtml(getHtml("904"));
        System.out.println(PaserHtml(getHtml("904")));
   }
}

运行程序输入你想要查询的站点,便可以得到你想要的数据,如下图:

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2014年03月29日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
ICP备案
在中华人民共和国境内从事互联网信息服务的网站或APP主办者,应当依法履行备案手续。腾讯云为您提供高效便捷的 ICP 备案服务。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档