爬虫为什么不用java_数据爬虫技术

Java也能做爬虫。
现在提到爬虫人第一个想到的就是python，其实使用Java编写爬虫也是很好的选择，
下面给大家展示一个使用Java基础语言编写的爬取小说的案例：

实现功能：
爬取目标网站全本小说

代码编写环境
JDK：1.8.0_191
Eclipse：2019-03 (4.11.0)

素材：
网站：http://www.shicimingju.com
小说：三国演义

案例实现用到的技术：
正则表达式
Java网络通信：URL
IO流
Map—HashMap
字符串操作
异常处理

代码思路
1、 根据小说存放位置创建file对象
2、 根据网页结构编写正则，创建pattern对象
3、 编写循环，创建向所有小说章节页面发起网络请求的url对象
4、 网络流BufferReader
5、 创建输入流
6、 循环读取请求得到的内容，使用正则匹配其中的内容
7、 将读取到的内容写入本地文件，知道循环结束
8、 注意代码中的异常处理

运行效果

第117章开始下载。。。。。。。。。。。。。。。。。
邓士载偷度阴平 诸葛瞻战死绵竹_《三国演义》诗词名句网
第117章结束下载。。。。。。。。。。。。。。。。。
第118章开始下载。。。。。。。。。。。。。。。。。
哭祖庙一王死孝 入西川二士争功《三国演义》诗词名句网
第118章结束下载。。。。。。。。。。。。。。。。。
第119章开始下载。。。。。。。。。。。。。。。。。
假投降巧计成虚话 再受禅依样画葫芦《三国演义》诗词名句网
第119章结束下载。。。。。。。。。。。。。。。。。
第120章开始下载。。。。。。。。。。。。。。。。。
荐杜预老将献新谋 降孙皓三分归一统《三国演义》_诗词名句网
第120章结束下载。。。。。。。。。。。。。。。。。

案例代码：
package com.qianfeng.text;

import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileOutputStream;
import java.io.InputStreamReader;
import java.io.OutputStreamWriter;
import java.net.URL;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class GetText {

/**

• 1、 根据小说存放位置创建file对象
  2、 根据网页结构编写正则，创建pattern对象
  3、 编写循环，创建向所有小说章节页面发起网络请求的url对象
  4、 网络流BufferReader
  5、 创建输入流
  6、 循环读取请求得到的内容，使用正则匹配其中的内容
  7、 将读取到的内容写入本地文件，知道循环结束
  8、 注意代码中的异常处理

• @param args
  /
  public static void main(String[] args) {
  
  // 1、 根据小说存放位置创建file对象
  File file = new File(“D:\File\three_guo.txt”);
  // 2、 根据网页结构编写正则，创建pattern对象
  String regex_content = “<p.?>(.?)

  “;
  String regex_title = ““;

   Pattern p_content = Pattern.compile(regex_content);
   Pattern p_title = Pattern.compile(regex_title);
   
   Matcher m_content;
   Matcher m_title;
   
   // 3、	编写循环，创建向所有小说章节页面发起网络请求的url对象
   for (int i = 1; i <= 120; i++) {
   	System.out.println("第" + i + "章开始下载。。。");
   	try {
   		// 创建每一个页面的url对象
   		URL url = new URL("http://www.shicimingju.com/book/sanguoyanyi/" + i + ".html");
   		// 创建网络读取流
   		BufferedReader reader = new BufferedReader(new InputStreamReader(url.openStream(),"utf8"));
   		
   		// 4、读取网络内容网络流BufferReader
   		String str = null;
   		
   		// 5、	创建输入流
   		BufferedWriter writer = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(file,true)));
   		
   		while ((str = reader.readLine()) != null) {
   			m_title = p_title.matcher(str.toString());
   			m_content = p_content.matcher(str.toString());
   			
   			// 获取小说标题并写入本地文件
   			Boolean isEx = m_title.find();
   			if (isEx) {
   				String title = m_title.group();
   				// 清洗得到的数据
   				title = title.replace("<title>", "").replace("</title>", "");
   				System.out.println(title);
   				writer.write("第" + i + "章：" + title + "\n");
   			}
   			
   			while (m_content.find()) {
   				String content = m_content.group();
   				// 清洗得到的数据
   				content = content.replace("<p>", "").replace("</p>", "").replace("&nbsp;", "").replace("?", "");
   				// 把小说内容写入文件
   				writer.write(content + "\n"); 
   			}
   			
   		}
   		
   		System.out.println("第" + i + "章下载完成.........");
   		
   		writer.write("\n\n");
   		writer.close();
   		reader.close();
   	} catch (Exception e) {
   		System.out.println("下载失败");
   		e.printStackTrace();
   	}
   }
  

  }
  }

今天的文章爬虫为什么不用java_数据爬虫技术分享到此就结束了，感谢您的阅读，如果确实帮到您，您可以动动手指转发给其他人。