最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

Java爬取網(wǎng)站源代碼和鏈接代碼實例

 更新時間:2019年11月20日 10:34:26   作者:念_響  
這篇文章主要介紹了Java爬取網(wǎng)站源代碼和鏈接代碼實例,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

1. 網(wǎng)絡爬蟲是一個自動提取網(wǎng)頁的程序,它為搜索引擎從萬維網(wǎng)上下載網(wǎng)頁,是搜索引擎的重要組成。傳統(tǒng)爬蟲從一個或若干初始網(wǎng)頁的URL開始,獲得初始網(wǎng)頁上的URL,在抓取網(wǎng)頁的過程中,不斷從當前頁面上抽取新的URL放入隊列,直到滿足系統(tǒng)的一定停止條件。

所以主要使用遞歸遍歷完成對每個網(wǎng)頁內(nèi)鏈接的獲取和源碼的獲取,然后剔除重復鏈接

數(shù)據(jù)爬取后主要使用txt文件儲存,根據(jù)網(wǎng)址的路徑生成想應文件路徑

2.代碼

package com.test;

import java.io.*;
import java.net.URL;
import java.net.URLConnection;
import java.text.SimpleDateFormat;
import java.util.Date;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
 
/**
 * java實現(xiàn)爬蟲
 */
public class SpiderDemo1 {
 
  //網(wǎng)站主網(wǎng)頁鏈接
  private final static String theURL = "http://www.jyyishu.cn";
  //今日日期,用于標記日志
  private final static String theTIME = new SimpleDateFormat("yyyy-MM-dd").format(new Date());
  //網(wǎng)頁鏈接文件路徑
  private final static String theFILE = "L:/html/jy1/" + theTIME + "/URL.txt";
  //網(wǎng)頁源碼路徑
  private final static String thePATH = "L:/html/jy1/" + theTIME + "/code";
  //正則表達式,用于判斷是否是一個網(wǎng)址
  private final static String theREGEX= "(http|https)://[\\w+\\.?/?]+\\.[A-Za-z]+";
 
  /**
   * 啟動類
   * @param args
   */
  public static void main(String[] args) {
    found();
    System.out.println("網(wǎng)站爬取完成");
  }
 
 
  public static void found() {
    PrintWriter pw = null;
    try{
      //創(chuàng)建文件目錄
      File fileDir = new File(thePATH);
      if (!fileDir.exists()) {
        fileDir.mkdirs();
      }
 
      //創(chuàng)建網(wǎng)站網(wǎng)頁鏈接文件
      pw = new PrintWriter(new FileWriter(theFILE),true);
 
      //使用遞歸遍歷網(wǎng)站的每個網(wǎng)頁
      spiderURL(theURL, pw);
    } catch (IOException e) {
      e.printStackTrace();
    } finally {
      try {
        if(pw != null) {
          pw.close();
        }
      } catch(Exception e) {
        e.printStackTrace();
      }
    }
  }
 
 
  /**
   * 爬取該網(wǎng)頁源碼和網(wǎng)頁內(nèi)連接
   * @param url 該網(wǎng)頁網(wǎng)址
   * @param tpw 對網(wǎng)站網(wǎng)頁網(wǎng)址文件連接的io流
   */
  public static void spiderURL(String url, PrintWriter tpw){
    URL realURL=null;
    URLConnection connection=null;
    BufferedReader br=null;
    PrintWriter pw=null;
    PrintWriter pw1=null;
 
    Pattern pattern=Pattern.compile(theREGEX);
    try{
      realURL=new URL(url);
      connection=realURL.openConnection();
 
      //生成文件夾
      String src = thePATH + url.substring(theURL.length());
      File fileDir = new File(src);
      if (!fileDir.exists()) {
        fileDir.mkdirs();
      }
 
      //生成源代碼文件
      pw = new PrintWriter(new FileWriter(src + "/Test.txt"),true);
      pw1 = tpw;
 
      //爬取網(wǎng)頁文件
      br=new BufferedReader(new InputStreamReader(connection.getInputStream()));
      String line=null;
      while((line=br.readLine())!=null){
        //把爬取的源碼寫入文件
        pw.println(line);
        System.out.println("爬取網(wǎng)頁" + url + "成功");
        Matcher matcher=pattern.matcher(line);
        //判斷是否是一個網(wǎng)址
        while(matcher.find()){
          //判斷網(wǎng)址是否以網(wǎng)站主網(wǎng)址為前綴,防止爬到其他網(wǎng)站,并判斷是否和原先網(wǎng)址重復
          if(matcher.group().startsWith(theURL) && examine(matcher.group())) {
            //把爬取的網(wǎng)址寫入文件
            pw1.println(matcher.group());
            spiderURL(matcher.group(), pw1);
          }
        }
        System.out.println("網(wǎng)頁" + url + "內(nèi)鏈接爬取完成");
      }
  }catch(Exception e){
    e.printStackTrace();
  }finally {
      try {
        if(br != null) {
          br.close();
        }
        if(pw != null) {
          pw.close();
        }
      } catch (IOException e) {
        e.printStackTrace();
      }
    }
  }
 
 
  /**
   * 判斷是否和以儲存網(wǎng)址相同
   * @param str 需判斷的網(wǎng)址
   * @return 是否重復
   */
  public static boolean examine(String str) {
    BufferedReader br = null;
    String str1;
    try {
      br = new BufferedReader(new FileReader(theFILE));
 
//      //針對該網(wǎng)站無用網(wǎng)頁的屏蔽
//      if(str.startsWith("http://www.jyyishu.cn/artnews/")) {
//        return false;
//      }
      
      //循環(huán)文件中每一行的網(wǎng)址,判斷是否重復,重復則退出
      while((str1 = br.readLine()) != null) {
        if(str.equals(str1)) {
          return false;
        }
      }
    } catch (IOException e) {
      e.printStackTrace();
    } finally {
      try{
        if(br != null) {
          br.close();
        }
      } catch (IOException e) {
        e.printStackTrace();
      }
    }
    return true;
  }
}

2. 爬取后的數(shù)據(jù)

部分鏈接:

網(wǎng)頁數(shù)據(jù):

以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。

相關文章

  • SpringBoot靜態(tài)資源css,js,img配置方案

    SpringBoot靜態(tài)資源css,js,img配置方案

    這篇文章主要介紹了SpringBoot靜態(tài)資源css,js,img配置方案,下文給大家分享了三種解決方案,需要的朋友可以參考下
    2017-07-07
  • Spring?Boot常用注解(經(jīng)典干貨)

    Spring?Boot常用注解(經(jīng)典干貨)

    Spring?Boot是一個快速開發(fā)框架,快速的將一些常用的第三方依賴整合,全部采用注解形式,內(nèi)置Http服務器,最終以Java應用程序進行執(zhí)行,這篇文章主要介紹了Spring?Boot常用注解(絕對經(jīng)典),需要的朋友可以參考下
    2023-01-01
  • Java線程休眠_動力節(jié)點Java學院整理

    Java線程休眠_動力節(jié)點Java學院整理

    sleep() 的作用是讓當前線程休眠,即當前線程會從“運行狀態(tài)”進入到“休眠(阻塞)狀態(tài)”。下面通過實例代碼給大家介紹Java線程休眠的知識,需要的朋友參考下吧
    2017-05-05
  • java8 多個list對象用lambda求差集操作

    java8 多個list對象用lambda求差集操作

    這篇文章主要介紹了java8 多個list對象用lambda求差集操作,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-09-09
  • JPA在不寫sql的情況下如何實現(xiàn)模糊查詢

    JPA在不寫sql的情況下如何實現(xiàn)模糊查詢

    文章介紹了在項目中實現(xiàn)模糊查詢的幾種方法,包括使用JPA的API、JPQL、QueryByExample和@Query注解,通過實現(xiàn)Specification接口和定義接口繼承JpaRepository,可以方便地進行單字段和多字段的模糊查詢,文章還提到了BINARY函數(shù)的使用以及查詢結果的返回
    2024-11-11
  • 解決無法解析javax.servlet的方法

    解決無法解析javax.servlet的方法

    最近在創(chuàng)建一個servlet時,自動生成的代碼中出現(xiàn)servlet無法解析的提示,令我無法正常使用servlet里的方法,在對各個步驟進行查看后,發(fā)現(xiàn)了問題所在,需要的朋友可以參考下
    2021-05-05
  • Jackson使用示例-Bean、XML、Json之間相互轉換

    Jackson使用示例-Bean、XML、Json之間相互轉換

    Jackson是一個強大工具,可用于Json、XML、實體之間的相互轉換,JacksonXmlElementWrapper用于指定List等集合類,外圍標簽名,JacksonXmlProperty指定包裝標簽名,或者指定標簽內(nèi)部屬性名,JacksonXmlRootElement指定生成xml根標簽的名字,JacksonXmlText指定當前這個值
    2024-05-05
  • MyBatis寫入Json字段以及Json字段轉對象示例詳解

    MyBatis寫入Json字段以及Json字段轉對象示例詳解

    這篇文章主要給大家介紹了關于MyBatis寫入Json字段以及Json字段轉對象的相關資料,文中通過實例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2023-07-07
  • 自定義Jackson的ObjectMapper如何實現(xiàn)@ResponseBody的自定義渲染

    自定義Jackson的ObjectMapper如何實現(xiàn)@ResponseBody的自定義渲染

    這篇文章主要介紹了自定義Jackson的ObjectMapper如何實現(xiàn)@ResponseBody的自定義渲染,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
    2024-07-07
  • springboot2.1.7去除json返回字段中為null的字段

    springboot2.1.7去除json返回字段中為null的字段

    這篇文章主要介紹了springboot2.1.7去除json返回字段中為null的字段,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2020-12-12

最新評論

项城市| 额敏县| 山东省| 会泽县| 桓仁| 玉田县| 桓仁| 兰考县| 宜丰县| 陈巴尔虎旗| 晋中市| 平顶山市| 自治县| 鹤壁市| 大港区| 石城县| 成都市| 新宁县| 隆安县| 阿瓦提县| 师宗县| 深泽县| 介休市| 大同市| 绥江县| 怀化市| 淮北市| 云林县| 罗平县| 北票市| 泸西县| 光泽县| 刚察县| 灵石县| 宣汉县| 巴林左旗| 错那县| 永城市| 拉萨市| 静安区| 乐至县|