WebMagic学习-解析json

最新推荐文章于 2024-10-31 09:00:00 发布

weixin_34258078

最新推荐文章于 2024-10-31 09:00:00 发布

阅读量2.5k

点赞数 1

CC 4.0 BY-SA版权

文章标签： json 爬虫 python

原文链接：https://my.oschina.net/anxiaole/blog/782026

本文介绍了如何正确使用JsonPathSelector来解析JSON数据。通过对比错误和正确的代码示例，解释了构造函数及select方法的正确用法，并通过一个具体示例展示了如何提取所需的数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

2019独角兽企业重金招聘Python工程师标准>>>

这篇文章要解决什么

当页面使用前端ajax方式渲染的页面数据时，页面会使用js请求ajaxUrl获取json格式数据时，然后再用js把数据解析并渲染到页面的指定位置上。

错误写法

当爬虫要住区ajaxUrl返回的json格式数据时，我当时是这样写的：

// 声明：下面这种方法是错误的。是我没有看官方demo的时候凭感觉写出的解析json数据的代码。
JsonPathSelector json = new JsonPathSelector(page.getRawText());
List<String> name = json.selectList("$.data.itemList[*].brand.name");
List<String> uri = json.selectList("$.data.itemList[*].brand.uri");

看了官方us.codecraft.webmagic.selector.JsonPathSelectorTest，才知道原来参数写错了。

正确写法

JsonPathSelector(String jsonPathStr)这个构造函数的参数是jsonPathStr，也就是提取规则的字符串。

String select(String text)方法和List<String> selectList(String text)方法，参数都是text，也就是json的字符串。

Demo

package us.codecraft.webmagic.selector;

import org.junit.Test;

import java.util.List;

import static org.assertj.core.api.Assertions.assertThat;

/**
 * @author code4crafter@gmai.com <br>
 */
public class JsonPathSelectorTest {

    private String text = "{ \"store\": {\n" +
            "    \"book\": [ \n" +
            "      { \"category\": \"reference\",\n" +
            "        \"author\": \"Nigel Rees\",\n" +
            "        \"title\": \"Sayings of the Century\",\n" +
            "        \"price\": 8.95\n" +
            "      },\n" +
            "      { \"category\": \"fiction\",\n" +
            "        \"author\": \"Evelyn Waugh\",\n" +
            "        \"title\": \"Sword of Honour\",\n" +
            "        \"price\": 12.99,\n" +
            "        \"isbn\": \"0-553-21311-3\"\n" +
            "      }\n" +
            "    ],\n" +
            "    \"bicycle\": {\n" +
            "      \"color\": \"red\",\n" +
            "      \"price\": 19.95\n" +
            "    }\n" +
            "  }\n" +
            "}";

    @Test
    public void testJsonPath() {
    	System.out.println("需要解析的json:"+text);

        JsonPathSelector jsonPathSelector = new JsonPathSelector("$.store.book[*].author");
        String select = jsonPathSelector.select(text);
        List<String> list = jsonPathSelector.selectList(text);

        assertThat(select).isEqualTo("Nigel Rees");
        assertThat(list).contains("Nigel Rees","Evelyn Waugh");

        jsonPathSelector = new JsonPathSelector("$.store.book[?(@.category == 'reference')]");
        list = jsonPathSelector.selectList(text);
        select = jsonPathSelector.select(text);

        System.out.println("select方法的结果:\t"+select);
        System.out.println("selectList方法的结果:\t"+list);

        assertThat(select).isEqualTo("{\"author\":\"Nigel Rees\",\"price\":8.95,\"category\":\"reference\",\"title\":\"Sayings of the Century\"}");
        assertThat(list).contains("{\"author\":\"Nigel Rees\",\"price\":8.95,\"category\":\"reference\",\"title\":\"Sayings of the Century\"}");
    }
}

个人见解

我觉得这个实现不太好。在一个page中，jsonStr是一样的，而提取规则不同。如果每次都new 一个新的JsonPathSelector作为提取规则，那要创建多少对象啊。而且和下面这种实现比较来说，提取规则开发方式不同：

String brand_price = html.xpath("//span[@id=\"item-sellprice\"]/text()").toString();
String brand_img = html.xpath("//img[@id=\"brand-img\"]/@src").toString();
String brand_describe = html.xpath("//p[@id=\"brand-describe\"]/text()").toString();
String location_text = html.xpath("//span[@id=\"location-text\"]/text()").toString();

估计不是我自己出现这种问题吧，所以就记录一下。嘿嘿。

转载于:https://my.oschina.net/anxiaole/blog/782026