簡單爬蟲技術之爬取之--般網(wǎng)頁

背景

一般互聯(lián)網(wǎng)公司還有數(shù)據(jù)分析公司,喜歡使用爬蟲爬取頁面,并進行數(shù)據(jù)分析.爬蟲的數(shù)據(jù)種類很多,由于本人僅接觸java技術,所以只提供簡單的java爬蟲技術.感謝網(wǎng)絡上那么多的資料分享.現(xiàn)就我自己經(jīng)驗,編寫一個java的demo.

爬取頁面

目前有很多網(wǎng)站做了爬蟲反扒技術,只有一些服務器比較牛的公司(暫且這么說吧),經(jīng)得起爬蟲爬取頁面,像新浪微博的頁面,爬蟲技術爬取就比較困難了,現(xiàn)在以容易爬取的頁面為例,使用GET方式,爬取路徑:

http://top.baidu.com/buzz?b=259&c=9&fr=topbuzz_b612_c9(百度的歷史人物數(shù)據(jù),這個比較方便挑選關鍵數(shù)據(jù),比如人物名稱,人物簡介,相關貼吧和相關視頻,本文僅獲取內(nèi)容并保存到文件.)另外百度搜索還支持榜單的嵌入定制,很方便的,嵌入條件如下圖.

Demo代碼

Get請求類

package yuxiSoftware.cn.demo;

import java.io.IOException;

import org.apache.http.HttpEntity;

import org.apache.http.ParseException;

import org.apache.http.client.ClientProtocolException;

import org.apache.http.client.methods.CloseableHttpResponse;

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;

/**

* Get請求獲取頁面內(nèi)容

* @author yuxiSoftware

*/

public class HttpRequestBean {

public String getMethod(String uri) {

// 創(chuàng)建默認httpclient實例

CloseableHttpClient httpClient = HttpClients.createDefault();

try {

// 創(chuàng)建httpGet

HttpGet httpGet = new HttpGet(uri);

// 執(zhí)行get請求

CloseableHttpResponse response = httpClient.execute(httpGet);

try {

// 獲取響應實體

HttpEntity entity = response.getEntity();

// 獲取響應狀態(tài)

System.out.println(response.getStatusLine());

if (entity != null) {

// 響應內(nèi)容

return EntityUtils.toString(entity, "gb2312");

}

} catch (ParseException e) {

// TODO Auto-generated catch block

e.printStackTrace();

} finally {

response.close();

}

} catch (ClientProtocolException e) {

// TODO Auto-generated catch block

e.printStackTrace();

} catch (IOException e) {

// TODO Auto-generated catch block

e.printStackTrace();

}

return "";

}

}

爬取內(nèi)容輸出類

package yuxiSoftware.cn.demo;

import java.io.File;

import java.io.FileNotFoundException;

import java.io.FileOutputStream;

import java.io.IOException;

import java.io.OutputStream;

/**

* 文件輸出類

* @author yuxiSoftware

*

*/

public class OutPutToFile {

public void writeFile(String s,String url){

File f = new File(url);

OutputStream out = null;

try {

out = new FileOutputStream(f);

} catch (FileNotFoundException e) {

// TODO Auto-generated catch block

e.printStackTrace();

}

byte b [] = s.getBytes();

try {

out.write(b);

} catch (IOException e) {

// TODO Auto-generated catch block

e.printStackTrace();

}

try {

out.close();

} catch (IOException e) {

// TODO Auto-generated catch block

e.printStackTrace();

}

}

}

main方法類

package yuxiSoftware.cn.demo;

/**

* 爬蟲小demo

* @author yuxiSoftware

*

*/

public class WormDemo {

public static void main(String[] args) {

String url = "http://top.baidu.com/buzz?b=259&c=9&fr=topbuzz_b612_c9";

OutPutToFile outPutToFile = new OutPutToFile();

HttpRequestBean httpRequestBean = new HttpRequestBean();

String s = httpRequestBean.getMethod(url);

String fileurl = "C:\\Users\\yuxiSoftware\\Desktop\\百度爬取頁面.txt";

outPutToFile.writeFile(s, fileurl);

}

}

輸出結(jié)果


說明

該java技術,僅供大家學習娛樂使用,非商業(yè)用途,如有不妥之處,請聯(lián)系作者刪除,謝謝!.

最后編輯于
?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 229,763評論 6 539
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 99,238評論 3 428
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 177,823評論 0 383
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經(jīng)常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,604評論 1 317
  • 正文 為了忘掉前任,我火速辦了婚禮,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,339評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 55,713評論 1 328
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,712評論 3 445
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 42,893評論 0 289
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 49,448評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 41,201評論 3 357
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,397評論 1 372
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,944評論 5 363
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 44,631評論 3 348
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,033評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,321評論 1 293
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,128評論 3 398
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,347評論 2 377

推薦閱讀更多精彩內(nèi)容