htmlparser 基础 网页拔取

本文演示了如何使用htmlparser库从指定网页中提取应用的名称、版本、大小等信息,并进行下载操作。通过设置过滤器定位目标标签,解析并输出网页文本,最后将数据保存到数据库。

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


拔取网页  是http://mm.10086.cn/android/info/300008730468.html?from=www&fw=227062网页


打开网页 网页的bug模式(F12)




找出你想要爬取的数据 


代码


package com.baidu;

import org.htmlparser.Node;
import org.htmlparser.Parser;
import org.htmlparser.Tag;
import org.htmlparser.filters.AndFilter;
import org.htmlparser.filters.HasAttributeFilter;
import org.htmlparser.filters.HasChildFilter;
import org.htmlparser.filters.TagNameFilter;
import org.htmlparser.util.NodeList;
import org.htmlparser.util.ParserException;


import com.baidu.apply.bean.Apply;
import com.baidu.util.WebUtils;
import com.baidu.util.httpDownload;


public class HtmlParse {



    public static void main(String[] args) throws ParserException {

     
    Parser parse=new Parser("http://mm.10086.cn/android/info/300008730468.html?from=www&fw=227062");
    parse.setEncoding("UTF-8");
    //获取应用的名称
    Apply apply=new Apply();
    String appName="";
     
    TagNameFilter nameFilter = new TagNameFilter("div");
     
    AndFilter andFilter = new AndFilter(nameFilter, new HasAttributeFilter("class","mj_big_title font-f-yh"));
     
    NodeList list= parse.parse(andFilter); 
   
    Tag tag=(Tag) list.elementAt(0);
   
    System.out.println(tag.toPlainTextString());
   
    //清零
    parse.reset();
   
   
    //获取应用
    andFilter = new AndFilter(nameFilter, new HasAttributeFilter("class","mj_info font-f-yh"));
     
    list= parse.parse(andFilter); 
       
        tag=(Tag) list.elementAt(0);
        
    Node children=tag.getFirstChild();
   
    list = children.getChildren();
    
    for (int i = 0; i < list.size(); i++) {

    tag = (Tag) list.elementAt(i);
    if(i==0){
    apply.setDownloadsize(tag.toPlainTextString());
    System.out.println(tag.toPlainTextString());
    }
    System.out.println(tag.toPlainTextString());
     
    String[] split = tag.toPlainTextString().split(":");


     
     
    for (int j = 0; j < split.length; j++) {
if(i==1&&j==1){

apply.setPrice(split[j]);
}else if(i==2&&j==1){

apply.setVersion(split[j]);
}else if(i==3&&j==1){

apply.setFilesize(split[j]);
}
    else if(i==4&&j==1){
    apply.setDeveloper(split[j]);
    }else if(i==5&&j==1){
    apply.setApptype(split[j]);
    }else if(i==6&&j==1){
    apply.setUpdatetime(split[j]);
    }else if(i==7&&j==1){
    apply.setPlatform(split[j]);
    }

}
     
     
}
    
    //清零
    parse.reset();
   
   
   
    /**
    *下载图片
    */
   
    andFilter = new AndFilter(nameFilter,new HasAttributeFilter("class","mj_lunbo"));
   
    list = parse.parse(andFilter);
   
    tag= (Tag) list.elementAt(0);
   
   
//     parse.reset();
   
    list = tag.getChildren();
   
    HasChildFilter hasChildFilter = new HasChildFilter(new TagNameFilter("img"));
   
    andFilter=new AndFilter(nameFilter,hasChildFilter);
   
    NodeList extractAll = list.extractAllNodesThatMatch(andFilter);
   
    for (int i = 0; i < extractAll.size(); i++) {

    tag=(Tag) extractAll.elementAt(i);
                System.out.println(tag.getAttribute("id"));
                Tag  tag1 = (Tag) tag.getFirstChild();
                String pic = tag1.getAttribute("src");
              
                
                 httpDownload.httpDownload(pic, apply.getAppname()+WebUtils.getRandomId()+".jpg");
                
}
   
    parse.reset();
   
//    
//     /**
//     * 下载apk
//     */
//    
//       nameFilter = new TagNameFilter("div");
//       
//       andFilter =new AndFilter(nameFilter, new HasAttributeFilter("class", "mj_cont_left_t"));
//       
//       list = parse.parse(andFilter);
//       
//       tag =(Tag) list.elementAt(0);
//       
//       NodeList children1 = tag.getChildren();
//    
//       tag= (Tag)children1.elementAt(2);
//       
//       String href = tag.getAttribute("href");
//       
//       httpDownload.httpDownload(href, apply.getAppname()+WebUtils.getRandomId()+".apk");
//        
//    
//       parse.reset();
      
      /**
       * 下载二维码
       */
      
      nameFilter=new TagNameFilter("div");
      
      andFilter =new AndFilter(nameFilter,new HasAttributeFilter("class","mj_ewlist"));
      
      list=parse.parse(andFilter);
   
      tag = (Tag) list.elementAt(0);
      
      list = tag.getChildren();
      
      tag = (Tag) list.elementAt(1);
      
      list = tag.getChildren();
      
      for (int i = 0; i < list.size(); i++) {                                                                              
tag=(Tag) list.elementAt(i);
 
list= tag.getChildren();
 
tag = (Tag) list.elementAt(0);
 
String src = tag.getAttribute("src");
 
 
httpDownload.httpDownload(src, apply.getAppname()+WebUtils.getRandomId()+".jpg");
}
   
   
   
   
   
   
   
    //添加到数据库
String appid = WebUtils.getRandomId();
String sql="insert into t_app (id,appname,version,description,filesize,updatetime,developer,apptype,price,downloadsize,platform,status) "
+ "values('"+appid+"','"+apply.getAppname()+"','"+apply.getVersion()+"','"+apply.getDescription()+"',"
+ "'"+apply.getFilesize()+"','"+apply.getUpdatetime()+"','"+apply.getDeveloper()+"','"+apply.getApptype()+"',"
   + "'"+apply.getPrice()+"','"+apply.getDownloadsize()+"','"+apply.getPlatform()+"','0')";
System.out.println(sql);
   

   
     
    }
    
    
    

}


### 关于 UniApp 框架推荐资源与教程 #### 1. **Uniapp 官方文档** 官方文档是最权威的学习资料之一,涵盖了从基础概念到高级特性的全方位讲解。对于初学者来说,这是了解 UniApp 架构技术细节的最佳起点[^3]。 #### 2. **《Uniapp 从入门到精通:案例分析与最佳实践》** 该文章提供了系统的知识体系,帮助开发者掌握 Uniapp 的基础知识、实际应用以及开发过程中的最佳实践方法。它不仅适合新手快速上手,也能够为有经验的开发者提供深入的技术指导[^1]。 #### 3. **ThorUI-uniapp 开源项目教程** 这是一个专注于 UI 组件库设计实现的教学材料,基于 ThorUI 提供了一系列实用的功能模块。通过学习此开源项目的具体实现方式,可以更好地理解如何高效构建美观且一致的应用界面[^2]。 #### 4. **跨平台开发利器:UniApp 全面解析与实践指南** 这篇文章按照章节形式详细阐述了 UniApp 的各个方面,包括但不限于其工作原理、技术栈介绍、开发环境配置等内容,并附带丰富的实例演示来辅助说明理论知识点。 以下是几个重要的主题摘选: - **核心特性解析**:解释了跨端运行机制、底层架构组成及其主要功能特点。 - **开发实践指南**:给出了具体的页面编写样例代码,展示了不同设备间 API 调用的方法论。 - **性能优化建议**:针对启动时间缩短、图形绘制效率提升等方面提出了可行策略。 ```javascript // 示例代码片段展示条件编译语法 export default { methods: { showPlatform() { console.log(process.env.UNI_PLATFORM); // 输出当前平台名称 #ifdef APP-PLUS console.log('Running on App'); #endif #ifdef H5 console.log('Running on Web'); #endif } } } ``` #### 5. **其他补充资源** 除了上述提到的内容外,还有许多在线课程视频可供选择,比如 Bilibili 上的一些免费系列讲座;另外 GitHub GitCode 平台上也有不少优质的社区贡献作品值得借鉴研究。 --- ###
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