本項(xiàng)目中需要用到兩個(gè)第三方j(luò)ar包，分別為 jsoup 和 commons-io。
jsoup的作用是為了解析網(wǎng)頁， commons-io 是為了把數(shù)據(jù)保存到本地。
1.爬取貼吧
第一步，打開eclipse，新建一個(gè)java項(xiàng)目，名字就叫做 pachong：
然后，新建一個(gè)類，作為我們程序的入口。
這個(gè)作為入口類，里面就寫一個(gè)main方法即可。
public class StartUp {
public static void main(String[] args) {
}
}
第二步，導(dǎo)入我們的依賴，兩個(gè)jar包：
右鍵jar包，Build path , add to Build path
接著，我們試著搜索一下動(dòng)漫吧的數(shù)據(jù)：
https://tieba.baidu.com/f?kw=%B6%AF%C2%FE&tpl=5
public class StartUp {
public static void main(String[] args) {
String url = "https://tieba.baidu.com/f?kw=%B6%AF%C2%FE&tpl=5";
Connection connect = Jsoup.connect(url);
System.out.println(connect);
}
}
如果能夠成功打印出來鏈接，說明我們的連接測試是成功的！
然后，我們調(diào)用connect的get方法，獲取鏈接到的數(shù)據(jù)：
Document document = connect.get();
這邊需要拋出一個(gè)異常，而且是強(qiáng)制性的，因?yàn)橛锌赡軙?huì)獲取失敗。這邊我們直接拋出去，不去捕獲。
public class StartUp {
public static void main(String[] args) throws IOException {
String url = "https://tieba.baidu.com/f?kw=%B6%AF%C2%FE&tpl=5";
Connection connect = Jsoup.connect(url);
System.out.println(connect);
Document document = connect.get();
System.out.println(document);
}
}
打印出來的結(jié)果：
可見，document對(duì)象裝的就是一個(gè)完整HTML頁面。
在這里，我們想要拿到的第一個(gè)數(shù)據(jù)，就是所有帖子的標(biāo)題：
我們發(fā)現(xiàn)，每一個(gè)標(biāo)題都是一個(gè)a連接，class為j_th_tit 。
下一步我們就考慮獲取所有class為 j_th_tit 的元素。
我們發(fā)現(xiàn)，document對(duì)象給我們提供了 getElementsByClass 的方法，顧名思義，就是獲取class為 XXX 的元素。
Elements titles = document.getElementsByClass("j_th_tit");
接著，遍歷titles，打印出每一個(gè)標(biāo)題的名稱：
for (int i = 0; i < titles.size(); i++) {
System.out.println(titles.get(i).attr("title"));
}
當(dāng)前代碼：
import java.io.IOException;
import org.jsoup.Connection;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;
public class StartUp {
public static void main(String[] args) throws IOException {
String url = "https://tieba.baidu.com/f?kw=%B6%AF%C2%FE&tpl=5";
Connection connect = Jsoup.connect(url);
Document document = connect.get();
Elements titles = document.getElementsByClass("j_th_tit");
for (int i = 0; i < titles.size(); i++) {
System.out.println(titles.get(i).attr("title"));
}
}
}
以上就是java編程實(shí)現(xiàn)簡單的網(wǎng)絡(luò)爬蟲示例過程的詳細(xì)內(nèi)容，更多關(guān)于java實(shí)現(xiàn)網(wǎng)絡(luò)爬蟲的資料請(qǐng)關(guān)注服務(wù)器之家其它相關(guān)文章！
原文鏈接：https://blog.csdn.net/weixin_39570751/article/details/120713590
