JSOUP爬虫示例

JSOUP爬虫示例利用JSOUP做爬虫,爬取我博客中的所有标题加链接,代码示例如下:packagecom.test.jsoup;importjava.io.IOException;importorg.jsoup.Jsoup;importorg.jsoup.nodes.Document;importorg.jsoup.nodes.Element;importorg.js…

利用JSOUP做爬虫,爬取我博客中的所有标题加链接,代码示例如下:

package com.test.jsoup;

import java.io.IOException;

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

public class TestDemo4 {
	
	public String baseUrl = "http://www.cnblogs.com/zhangfei/p/";
	
	public String pager = "?page=%s";
	
	public int getAllPageCount(){
		int count = 0;
		try {
			Document doc = Jsoup.connect(baseUrl).get();
			String countText = doc.select("#myposts>div.pager:nth-of-type(1)>.Pager").text();
			countText = countText.replaceFirst("\\D+(\\d+).*", "$1");
			count = Integer.valueOf(countText);
		} catch (IOException e) {
			e.printStackTrace();
		}
		return count;
	}
	
	public void crawler(){
		int count = this.getAllPageCount();
		for (int i = 1; i <= count; i++) {
			String url = baseUrl + String.format(pager, i);
			this.testJsop(url);
		}
	}

	public void testJsop(String url) {
		try {
			Document doc = Jsoup.connect(url).get();
			Elements element = doc.select("div.PostList a");
			for (Element e : element) {
				String text = e.text();
				String href = e.attr("href");
				System.out.println(text+" : "+href);
			}			
		} catch (IOException e) {
			e.printStackTrace();
		}
	}

	public static void main(String[] args) {
		TestDemo4 t = new TestDemo4();
		t.crawler();
	}
}

 

转载于:https://www.cnblogs.com/zhangfei/p/4729279.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/38747.html

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注