java簡(jiǎn)單的爬蟲(今日頭條)

之前在做資訊站的時(shí)候需要用到爬蟲來(lái)獲取一些文章,今天剛好有空就研究了一下.在網(wǎng)上看到了一個(gè)demo,使用的是Jsoup,我拿過(guò)來(lái)修改了一下,
由于今日頭條的文章的特殊性,所以無(wú)法直接獲取文章的地址,需要獲取文章的id然后在拼接成url再訪問(wèn).

public class Demo2 {

 public static void main(String[] args) {

    // 需要爬的網(wǎng)頁(yè)的文章列表
    String url = "http://www.toutiao.com/news_finance/";
    //文章詳情頁(yè)的前綴(由于今日頭條的文章都是在group這個(gè)目錄下,所以定義了前綴,而且通過(guò)請(qǐng)求獲取到的html頁(yè)面)
    String url2="http://www.toutiao.com/group/";
    //鏈接到該網(wǎng)站
    Connection connection = Jsoup.connect(url);
    Document content = null;
    try {
        //獲取內(nèi)容
        content = connection.get();
    } catch (IOException e) {
        e.printStackTrace();
    }
    //轉(zhuǎn)換成字符串
    String htmlStr = content.html();
    //因?yàn)榻袢疹^條的文章展示比較奇葩,都是通過(guò)js定義成變量,所以無(wú)法使用獲取dom元素的方式獲取值
    String jsonStr = StringUtils.substringBetween(htmlStr,"var _data = ", ";");
    System.out.println(jsonStr);
    Map parse = (Map) JSONObject.parse(jsonStr);
    JSONArray parseArray = (JSONArray) parse.get("real_time_news");
    Map map=null;
    List<Map> maps=new ArrayList<>();
    //遍歷這個(gè)jsonArray,獲取到每一個(gè)json對(duì)象,然后將其轉(zhuǎn)換成Map對(duì)象(在這里其實(shí)只需要一個(gè)group_id,那么沒(méi)必要使用map)
    for(int i=0;i<parseArray.size();i++){
        map = (Map)parseArray.get(i);
        maps.add((Map)parseArray.get(i));
        System.out.println(map.get("group_id"));
        
    }
    //遍歷之前獲取到的map集合,然后分別訪問(wèn)這些文章詳情頁(yè)
    for (Map map2 : maps) {
        connection = Jsoup.connect(url2+map2.get("group_id"));
        try {
            Document document = connection.get();
            //獲取文章標(biāo)題
            Elements title = document.select("[class=article-title]");
            System.out.println(title.html());
            //獲取文章來(lái)源和文章發(fā)布時(shí)間
            Elements articleInfo = document.select("[class=articleInfo]");
            Elements src = articleInfo.select("[class=src]");
            System.out.println(src.html());
            Elements time = articleInfo.select("[class=time]");
            System.out.println(time.html());
            //獲取文章內(nèi)容
            Elements contentEle = document.select("[class=article-content]");
            System.out.println(contentEle.html());
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
 }
}
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末帜消,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子蹄殃,更是在濱河造成了極大的恐慌侣诺,老刑警劉巖虹蒋,帶你破解...
    沈念sama閱讀 217,509評(píng)論 6 504
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件蹋凝,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡工禾,警方通過(guò)查閱死者的電腦和手機(jī)运提,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,806評(píng)論 3 394
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)帜篇,“玉大人糙捺,你說(shuō)我怎么就攤上這事◇舷叮” “怎么了洪灯?”我有些...
    開(kāi)封第一講書人閱讀 163,875評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)竟痰。 經(jīng)常有香客問(wèn)我签钩,道長(zhǎng),這世上最難降的妖魔是什么坏快? 我笑而不...
    開(kāi)封第一講書人閱讀 58,441評(píng)論 1 293
  • 正文 為了忘掉前任铅檩,我火速辦了婚禮,結(jié)果婚禮上莽鸿,老公的妹妹穿的比我還像新娘昧旨。我一直安慰自己拾给,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,488評(píng)論 6 392
  • 文/花漫 我一把揭開(kāi)白布兔沃。 她就那樣靜靜地躺著蒋得,像睡著了一般。 火紅的嫁衣襯著肌膚如雪乒疏。 梳的紋絲不亂的頭發(fā)上额衙,一...
    開(kāi)封第一講書人閱讀 51,365評(píng)論 1 302
  • 那天,我揣著相機(jī)與錄音怕吴,去河邊找鬼窍侧。 笑死,一個(gè)胖子當(dāng)著我的面吹牛转绷,可吹牛的內(nèi)容都是我干的伟件。 我是一名探鬼主播,決...
    沈念sama閱讀 40,190評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼暇咆,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼锋爪!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起爸业,我...
    開(kāi)封第一講書人閱讀 39,062評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤其骄,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后扯旷,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體拯爽,經(jīng)...
    沈念sama閱讀 45,500評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)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(diǎn)故事閱讀 37,706評(píng)論 3 335
  • 正文 我和宋清朗相戀三年钧忽,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了毯炮。 大學(xué)時(shí)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(diǎn)故事閱讀 39,834評(píng)論 1 347
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡耸黑,死狀恐怖桃煎,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情大刊,我是刑警寧澤为迈,帶...
    沈念sama閱讀 35,559評(píng)論 5 345
  • 正文 年R本政府宣布,位于F島的核電站缺菌,受9級(jí)特大地震影響葫辐,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜伴郁,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,167評(píng)論 3 328
  • 文/蒙蒙 一耿战、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧焊傅,春花似錦剂陡、人聲如沸狈涮。這莊子的主人今日做“春日...
    開(kāi)封第一講書人閱讀 31,779評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)薯嗤。三九已至,卻和暖如春纤泵,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背镜粤。 一陣腳步聲響...
    開(kāi)封第一講書人閱讀 32,912評(píng)論 1 269
  • 我被黑心中介騙來(lái)泰國(guó)打工捏题, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人肉渴。 一個(gè)月前我還...
    沈念sama閱讀 47,958評(píng)論 2 370
  • 正文 我出身青樓公荧,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親同规。 傳聞我的和親對(duì)象是個(gè)殘疾皇子循狰,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,779評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容

  • Android 自定義View的各種姿勢(shì)1 Activity的顯示之ViewRootImpl詳解 Activity...
    passiontim閱讀 172,110評(píng)論 25 707
  • 爬蟲文章 in 簡(jiǎn)書程序員專題: like:128 - Python 爬取落網(wǎng)音樂(lè) like:127 - 【圖文詳...
    treelake閱讀 29,551評(píng)論 33 638
  • 今天咱來(lái)說(shuō)說(shuō)關(guān)于古典的一些事情。 先引用一下定義券勺,古典這個(gè)定義就是:以一種嚴(yán)肅考究绪钥,并且含有一定的形式...
    煙老師閱讀 358評(píng)論 0 0
  • 人老了,就像這樹上的葉子关炼,終究是要凋零的程腹。
    簡(jiǎn)記微語(yǔ)閱讀 150評(píng)論 0 0
  • 其實(shí)畫畫可以讓心很靜,即使畫的不夠好儒拂,也是畫的一種心情寸潦。 繪畫最主要的要有耐心,畫多了社痛,每個(gè)人都是大師...
    快樂(lè)的Alina閱讀 363評(píng)論 2 2