爬取網(wǎng)頁 干貨集中營 gank.io

關(guān)于gank.io

這是一個干貨分享的網(wǎng)站窄坦,組織者是@代碼家,是Android開發(fā)好手春瞬,據(jù)他自己說后端也很強柴信。網(wǎng)站后臺使用Node.js搭建的,使用了DaoCloud宽气。
網(wǎng)站宗旨想必就是header中的:每日分享妹子圖 和 技術(shù)干貨随常,還有供大家中午休息的休閑視頻潜沦。(呵呵呵)然后干貨的主要內(nèi)容是移動開發(fā)中的Android和IOS干貨,包括各種小技巧绪氛、開源代碼唆鸡、相關(guān)技術(shù)、新聞信息等等枣察。不對争占,我說錯了,干貨的主要內(nèi)容應(yīng)該是每頁開頭的妹紙妹紙妹紙(重要的事情要說三遍)和有時候會喪心病狂的休閑視頻序目。
總之干貨很干臂痕。

為什么要爬

說來也不知怎么說,就是想爬吧猿涨。仔細(xì)再想的話握童,可能一來gank.io網(wǎng)站并未對內(nèi)容進行歸檔和整理,就像一本書叛赚,但是沒目錄澡绩。具體情況點進去看就知道了。不過@代碼家說了之后會升級的红伦。二來的當(dāng)時閑著也是閑著躲因,想自己做點好玩感覺有意思的事情拱她,順便看看自己做不做得出來昧港。有點夏天想吃西瓜竭讳,買西瓜子來種的意味。

結(jié)果分享展示

這是爬取的結(jié)果:存儲在七牛云

這是爬取的托管代碼:github

爬取過程介紹

爬取目的

將所有gank.io整合到一個html文件蛮浑,并顯示歸檔目錄唠叛。

爬取語言

Java,引用jsoup包沮稚。但實際上沒使用好艺沼,更多的是字符處理了。

爬取思路

  1. 制作空html文件rawGet.html蕴掏,該文件無主要內(nèi)容障般,但主題和框架與gank.io相同,然后將內(nèi)容拷貝到Get_gank.html中盛杰。
  2. 使用Java抓取gank.io每一個頁面源代碼挽荡,使用日期循環(huán),不存在就跳過即供。
  3. 抓取同時解析出標(biāo)題和正文定拟,標(biāo)題放入哈希表,正文追加到新建的content文件中逗嫡。
  4. 抓取結(jié)束后將哈希表遍歷并以列表形式追加到Get_gank.html青自,形成前面的歸檔列表株依。然后將整個content內(nèi)容追加到Get_gank.html中,然后就OK了延窜。
  5. 當(dāng)然只實現(xiàn)了Java本地抓取恋腕,為了讓大家看到結(jié)果,我人工將Get_gank.html傳到七牛云上的逆瑞,所以它不會自動更新吗坚,還不知道怎樣實現(xiàn)在線抓取,有待研究和指教呆万,望大神指明道路。

爬取總結(jié)

  1. 沒有做好思路整理车份,導(dǎo)致代碼結(jié)構(gòu)一直混亂和時間的浪費谋减。
  2. 以實現(xiàn)為目的,無代碼優(yōu)化扫沼,但優(yōu)化了思路出爹。
  3. 值得高興的是做出來了自己沒事用來當(dāng)資料庫收集查詢也不錯。

最后展望

努力將干貨轉(zhuǎn)換成知識和技能缎除。努力欣賞每日妹紙严就,不,我應(yīng)該追求更高一點才是器罐。
最新一期的妹紙梢为。


原文鏈接:http://www.lxxself.com/post/wo-de-zha-zha-ji-zhu/2015-06-21

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市轰坊,隨后出現(xiàn)的幾起案子铸董,更是在濱河造成了極大的恐慌,老刑警劉巖肴沫,帶你破解...
    沈念sama閱讀 216,496評論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件粟害,死亡現(xiàn)場離奇詭異,居然都是意外死亡颤芬,警方通過查閱死者的電腦和手機悲幅,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,407評論 3 392
  • 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站蝠,“玉大人汰具,你說我怎么就攤上這事〕烈拢” “怎么了郁副?”我有些...
    開封第一講書人閱讀 162,632評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長豌习。 經(jīng)常有香客問我存谎,道長拔疚,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 58,180評論 1 292
  • 正文 為了忘掉前任既荚,我火速辦了婚禮稚失,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘恰聘。我一直安慰自己句各,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 67,198評論 6 388
  • 文/花漫 我一把揭開白布晴叨。 她就那樣靜靜地躺著凿宾,像睡著了一般。 火紅的嫁衣襯著肌膚如雪兼蕊。 梳的紋絲不亂的頭發(fā)上初厚,一...
    開封第一講書人閱讀 51,165評論 1 299
  • 那天,我揣著相機與錄音孙技,去河邊找鬼产禾。 笑死,一個胖子當(dāng)著我的面吹牛牵啦,可吹牛的內(nèi)容都是我干的亚情。 我是一名探鬼主播,決...
    沈念sama閱讀 40,052評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼哈雏,長吁一口氣:“原來是場噩夢啊……” “哼楞件!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起僧著,我...
    開封第一講書人閱讀 38,910評論 0 274
  • 序言:老撾萬榮一對情侶失蹤履因,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后盹愚,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體栅迄,經(jīng)...
    沈念sama閱讀 45,324評論 1 310
  • 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 37,542評論 2 332
  • 正文 我和宋清朗相戀三年皆怕,在試婚紗的時候發(fā)現(xiàn)自己被綠了毅舆。 大學(xué)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 39,711評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡愈腾,死狀恐怖憋活,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情虱黄,我是刑警寧澤悦即,帶...
    沈念sama閱讀 35,424評論 5 343
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響辜梳,放射性物質(zhì)發(fā)生泄漏粱甫。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,017評論 3 326
  • 文/蒙蒙 一作瞄、第九天 我趴在偏房一處隱蔽的房頂上張望茶宵。 院中可真熱鬧,春花似錦宗挥、人聲如沸乌庶。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,668評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽瞒大。三九已至,卻和暖如春搪桂,著一層夾襖步出監(jiān)牢的瞬間糠赦,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,823評論 1 269
  • 我被黑心中介騙來泰國打工锅棕, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人淌山。 一個月前我還...
    沈念sama閱讀 47,722評論 2 368
  • 正文 我出身青樓裸燎,卻偏偏與公主長得像,于是被迫代替她去往敵國和親泼疑。 傳聞我的和親對象是個殘疾皇子德绿,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,611評論 2 353

推薦閱讀更多精彩內(nèi)容