java爬虫

本文介绍爬虫的基本概念及实现步骤,包括使用httpClient获取网页内容和Jsoup解析文档的方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一.什么是爬虫:

用程序代替手动输入url,获取信息,进行数据分析的过程。

二.爬虫步骤

1.httpClient获取html的字符串和jsoup解析
1.1. 使用httpClient获取html字符串的流程
创建HttpClient对象。
创建请求方法的实例,并指定请求URL。如果需要发送GET请求,创建HttpGet对象;如果需要发送POST请求,创建HttpPost对象。
如果需要发送请求参数,可调用HttpGet、HttpPost共同的setParams(HetpParams params)方法来添加请求参数;对于HttpPost对象而言,也可调用setEntity(HttpEntity entity)方法来设置请求参数。
调用HttpClient对象的execute(HttpUriRequest request)发送请求,该方法返回一个HttpResponse
调用HttpResponse的getAllHeaders()、getHeaders(String name)等方法可获取服务器的响应头;调用HttpResponse的getEntity()方法可获取HttpEntity对象,该对象包装了服务器的响应内容。程序可通过该对象获取服务器的响应内容。
释放连接。无论执行方法是否成功,都必须释放连接。

CloseableHttpClient httpClient = HttpClient.CreateDefault();

HttpGet httpGet = new HttpGet("url");

HttpResponse httpResponse = httpClient.execute(httpClient);

String html = EntityUtils.toString(httpResponse.getEntity(),"utf-8");

1.2.使用Jsoup解析

Document document = Jsoup.parse(html);

这样就获得了文档对象。利用文档对象可以获得很多节点数据信息。



评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值