利用 Java 爬虫获取淘宝商品评论实战指南-优快云博客

在电商领域，淘宝商品评论数据是商家优化产品、提升用户体验以及进行市场分析的关键资源。本文将详细介绍如何利用 Java 爬虫技术获取淘宝商品评论，并提供完整的开发指南和代码示例。

一、准备工作

（一）Java 开发环境

确保你的开发环境中已经安装了 Java，并配置了环境变量。推荐使用 JDK 1.8 及以上版本。

（二）安装必要的 Java 库

通过 Maven 或 Gradle 管理项目依赖，主要包括以下库：

HttpClient：用于发送 HTTP 请求。
Jsoup：用于解析 HTML 页面。
Gson：用于解析 JSON 数据。

如果使用 Maven 进行项目管理，可以在 pom.xml 文件中添加以下依赖：

xml

<dependencies>
    <dependency>
        <groupId>org.apache.httpcomponents</groupId>
        <artifactId>httpclient</artifactId>
        <version>4.5.13</version>
    </dependency>
    <dependency>
        <groupId>org.jsoup</groupId>
        <artifactId>jsoup</artifactId>
        <version>1.13.1</version>
    </dependency>
    <dependency>
        <groupId>com.google.code.gson</groupId>
        <artifactId>gson</artifactId>
        <version>2.8.6</version>
    </dependency>
</dependencies>

二、编写爬虫代码

（一）发送 HTTP 请求

使用 HttpClient 库发送 GET 请求，获取商品评论页面的 HTML 内容：

java

import org.apache.http.client.methods.HttpGet;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.HttpClients;
import org.apache.http.util.EntityUtils;

public class HttpUtil {
    public static String sendGetRequest(String url) {
        try (CloseableHttpClient httpClient = HttpClients.createDefault()) {
            HttpGet httpGet = new HttpGet(url);
            return EntityUtils.toString(httpClient.execute(httpGet).getEntity(), "UTF-8");
        } catch (Exception e) {
            e.printStackTrace();
        }
        return null;
    }
}

（二）解析 HTML 内容

使用 Jsoup 解析 HTML 文档，提取评论详情：

java

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

public class JsoupUtil {
    public static void parseProductDetails(String html) {
        Document doc = Jsoup.parse(html);
        Elements products = doc.select("div.product");
        for (Element product : products) {
            String name = product.select("h2.product-name").text();
            String price = product.select("span.product-price").text();
            System.out.println("Product Name: " + name + ", Price: " + price);
        }
    }
}

（三）完整流程

将上述功能整合到主程序中，实现完整的爬虫程序：

java

public class ProductCrawler {
    public static void main(String[] args) {
        String shopUrl = "https://www.example.com/shop/123";
        String html = HttpUtil.sendGetRequest(shopUrl);
        if (html != null) {
            JsoupUtil.parseProductDetails(html);
        }
    }
}