使用maven實(shí)現(xiàn)有關(guān)Jsoup簡(jiǎn)單爬蟲(chóng)的步驟
一、Jsoup的簡(jiǎn)介
jsoup 是一款Java 的HTML解析器，可直接解析某個(gè)URL地址、HTML文本內(nèi)容。它提供了一套非常省力的API，可通過(guò)DOM，CSS以及類似于jQuery的操作方法來(lái)取出和操作數(shù)據(jù)
二、我們可以利用Jsoup做什么
2.1從URL，文件或字符串中刮取并解析HTML查找和提取數(shù)據(jù)，
2.2使用DOM遍歷或CSS選擇器操縱HTML元素，屬性和文本
2.3從而使我們輸出我們想要的整潔文本
三、利用Jsoup爬取某東示例
可以從圖中看到，成功爬取某東的女裝熱門銷量從高到低的標(biāo)題，從而可以分析到銷量高（或者是綜合排序）在前列的標(biāo)題名稱。從而可以剖析出熱門商品的命名規(guī)范。
四、Jsoup用法
4.1先創(chuàng)建maven工程，在maven工程上注入依賴
4.2注入依賴后需要導(dǎo)入依賴，否則在程序中使用Jsoup會(huì)全部報(bào)錯(cuò)。
4.3利用JSP的知識(shí)找出目標(biāo)元素
如在某東界面我們發(fā)現(xiàn)， 控制目標(biāo)頁(yè)面的ID為"plist"，則我們使用
getElementById("plist");方法去獲取到他的ID
接著獲取目標(biāo)標(biāo)題，可以由上圖分析得，標(biāo)題是由<em>標(biāo)簽所控制，因此我們需要用到
getElementsByTag("em");去捕捉到em的部分
最后循環(huán)輸出他的部分即可。
五、總結(jié)
Jsoup只能應(yīng)用于簡(jiǎn)單的頁(yè)面捕捉，在實(shí)際開(kāi)發(fā)中許多網(wǎng)站采用Ajax技術(shù)等使得模塊在動(dòng)態(tài)變化抑或是有反爬蟲(chóng)技術(shù)，因此本技術(shù)有局限性。熟悉前端jsp技術(shù)的同學(xué)應(yīng)該會(huì)游刃有余。
最后附上所有代碼
以上就是使用maven實(shí)現(xiàn)有關(guān)Jsoup簡(jiǎn)單爬蟲(chóng)的步驟的詳細(xì)內(nèi)容，更多關(guān)于maven實(shí)現(xiàn)Jsoup爬蟲(chóng)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
java源碼解析之String類的compareTo(String otherString)方法
這篇文章主要給大家介紹了關(guān)于java源碼解析之String類的compareTo(String otherString)方法的相關(guān)資料，文中通過(guò)示例代碼介紹的非常詳細(xì)，需要的朋友可以參考借鑒，下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2018-09-09
Java報(bào)錯(cuò)net.dean.jraw.http.NetworkException異常的原因及解決方法
在開(kāi)發(fā)涉及網(wǎng)絡(luò)通信的Java應(yīng)用程序時(shí),我們經(jīng)常需要處理各種網(wǎng)絡(luò)異常,net.dean.jraw.http.NetworkException是在使用jRAW庫(kù)時(shí)可能遇到的一個(gè)異常,本文將詳細(xì)探討NetworkException的成因,并提供多種解決方案,需要的朋友可以參考下2024-12-12
Java流程控制語(yǔ)句之If選擇結(jié)構(gòu)
今天繼續(xù)帶大家復(fù)習(xí)Java流程控制語(yǔ)句的相關(guān)知識(shí),本文對(duì)If選擇結(jié)構(gòu)作了非常詳細(xì)的介紹及代碼示例,對(duì)正在學(xué)習(xí)的小伙伴們很有幫助,需要的朋友可以參考下2021-06-06
你應(yīng)該知道的這些Mybatis-Plus使用技巧(小結(jié))
這篇文章主要介紹了你應(yīng)該知道的這些Mybatis-Plus使用技巧(小結(jié))，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-08-08
這篇文章主要介紹了Java并發(fā)框架:Executor API詳解，隨著當(dāng)今處理器中可用的核心數(shù)量的增加， 隨著對(duì)實(shí)現(xiàn)更高吞吐量的需求的不斷增長(zhǎng)，多線程 API 變得非常流行。 Java 提供了自己的多線程框架，稱為 Executor 框架,需要的朋友可以參考下2019-07-07
在我們項(xiàng)目開(kāi)發(fā)的過(guò)程中可能會(huì)遇到JDK版本過(guò)高或者過(guò)低導(dǎo)致一些程序無(wú)法啟動(dòng),不兼容的問(wèn)題,所以我們需要切換JDK的版本號(hào),這篇文章主要給大家介紹了關(guān)于IDEA切換JDK版本的相關(guān)資料,需要的朋友可以參考下2023-10-10
Springboot接入MyBatisPlus的實(shí)現(xiàn)
最近web端比較熱門的框架就是SpringBoot和Mybatis-Plus,這里簡(jiǎn)單總結(jié)集成用法,具有一定的參考價(jià)值,感興趣的可以了解一下2023-09-09
詳解Spring Boot 使用Spring security 集成CAS
本篇文章主要介紹了詳解Spring Boot 使用Spring security 集成CAS，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2017-05-05
這篇文章主要介紹了java Date類詳解及使用總結(jié)的相關(guān)資料,需要的朋友可以參考下2017-02-02
SpringBoot整合Jasypt實(shí)現(xiàn)配置加密的步驟詳解
Jasypt是一個(gè)Java庫(kù),提供了一種簡(jiǎn)單的加密解密方式,可用于保護(hù)敏感數(shù)據(jù),例如密碼、API密鑰和數(shù)據(jù)庫(kù)連接信息等,本文給大家介紹了SpringBoot整合Jasypt實(shí)現(xiàn)配置加密的詳細(xì)步驟,感興趣的同學(xué)可以參考一下2023-11-11