Java实现网络爬虫 案例代码3：使用webmagic框架获取天气预报

案例3：获取天气预报信息

需求说明

搭建开发环境，实现从“hao123.com”中获取当地天气预报信息，从控制台输出结果

分析

访问网址：https://www.hao123.com

分析网站URL、文档内容特征

获取网页内容

拆分出需求内容

控制台输出结果

搭建WebMagic开发环境

示例代码

import us.codecraft.webmagic.Page;

import us.codecraft.webmagic.Site;

import us.codecraft.webmagic.Spider;

import us.codecraft.webmagic.pipeline.ConsolePipeline;

import us.codecraft.webmagic.processor.PageProcessor;

public class WeatherRepo implements PageProcessor{

// 部分一：抓取网站的相关配置，包括编码、抓取间隔、重试次数等

private Site site = Site.me().setRetryTimes(3).setSleepTime(1000);

@Override

// process是定制爬虫逻辑的核心接口，在这里编写抽取逻辑

public void process(Page page) {

// 部分二：定义如何抽取页面信息，并保存下来

page.putField("city",

page.getHtml().xpath("//span[@class='weather2-item']/text()").toString());

page.putField("info_today",

page.getHtml().xpath("//div[@data-hook='weather']/text()").toString());

page.putField("temperature_today",

page.getHtml().xpath("//div[@data-hook='tempera']/text()").toString());

page.putField("info_tomorrow",

page.getHtml().xpath("//div[@data-hook='weather-tomorrow']/text()").toString());

page.putField("temperature_tomorrow",

page.getHtml().xpath("//div[@data-hook='tempera-tomorrow']/text()").toString());

}

@Override

public Site getSite() {

return site;

}

public static void main(String[] args) {

Spider.create(new WeatherRepo())

//从"https://www.hao123.com"开始抓

.addUrl("https://www.hao123.com")

.addPipeline(new ConsolePipeline()) // 控制台输出

.run();

}

}

————————————————