Java常用技术：Httpclient 实现网络请求 + Jsoup 解析网页（案例实战）

最后

笔者已经把面试题和答案整理成了面试专题文档

本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录

需要这份系统化的资料的朋友，可以点击这里获取

（1.2）在 pom.xml 里面加上 

（1.3）创建 Test 类，好了工程就已经搭好了。

【2】Httpclient 实现网络请求

（2.1）什么是 httpclient ？

Httpclient 是 Apache 的一个子项目，它是一个为 Java 可以实现网络请求的客户端工具包。

简单的说，他是一个 Jar 包，有了他，我们通过 Java 程序就可以实现网络请求。

(2.2) 复制下面的 httpclient 依赖，加入到 pom.xml 文件中。

<!-- httpclient 核心包 -->

<dependency>

    <groupId>org.apache.httpcomponents</groupId>

    <artifactId>httpclient</artifactId>

    <version>4.5.2</version>

</dependency>

 （2.3）创建一个 HttpTool 的类，这个类我们专门用来实现网络请求相关方法。

(2.4) 为了避免其他网站侵权问题，下面以我个人网站一个页面为例（http://www.zyqok.cn/material/index），我们来抓取这个页面上的所有图片。

（2.5） 可以看得出，这是一个 get 请求，并且返回的是一个 Html 页面。所以我们在 HttpTool 类中加入一个如下方法体：

  /**

   * 实现Get请求

   * @param url 请求地址

   * @return 页面内容

   */

  public static String doGet(String url) {

    

    return null;

  }

（2.6）复制代码，添加 get 实现方法：

    // 构建get请求

    HttpGet get = new HttpGet(url);

    // 创建客户端

    CloseableHttpClient client = HttpClients.createDefault();

    try {

      // 客户端执行请求，获取响应

      HttpResponse response = client.execute(get);

      // 获取响应的页面内容

      InputStream in = response.getEntity().getContent();

      StringBuilder sb = new StringBuilder();

      byte[]b = new byte[102400];

      int length;

      while ((length = in.read(b)) != -1) {

        sb.append(new String(b, 0, length, "utf-8"));

      }

      // 返回页面内容

      return sb.toString();

    } catch (Exception e) {

      e.printStackTrace();

      return null;

    }

（2.7）OK，网络请求相关实现类我们已经写好了，我们接下来测试下，我们在 Test 类的 main 方法里加入如下代码：

    String html = HttpTool.doGet("http://www.zyqok.cn/material/index");

    System.out.println(html);

（2.8）执行程序，查看结果。可以看到我们确实已经通过请求，获取到网页的返回内容了。

【3】Jsoup 解析网页

在整个【2】的实现过程中，我们已经拿到网页返回的数据，但我们要的是整个网页中的图片，并不是这种杂乱无章的网页页面数据，那么我们该怎么办呢？简单，接下来我们需要用到另外一种技术了 ---- Jsoup。

（3.1）什么是 Jsoup 技术？

下面是度娘给出的一个官方解释：Jsoup 是一款Java 的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据（摘自百度）。

下面再用我个人语言简单的总结下：Jsoup 技术就是用来处理各种 html 页面 和 xml 数据。我们这里可以通过 Jsoup 来处理【2】中返回的 html 页面。

（3.2）加入 Jsoup 依赖

我们在 pom.xml 加入如下依赖：

<!-- Jsoup 核心包 -->

<dependency>

	<groupId>org.jsoup</groupId>

	<artifactId>jsoup</artifactId>

	<version>1.11.3</version>

</dependency>

（3.3）当然，使用 Jsoup 之前，我们需要对响应的 HTML 页面进行分析，分析主要作用是：如何定位筛选出我们需要的数据？

我们把【2】中获取到的页面响应拷贝到 txt 文本中，然后可以发现：每个图片它都包含在一个 div 中，且该div 有一个名为 material-div 的 class。

（3.4）按照上面分析：首先我们要获取到包含图片的所有 div，于是我们修改main方法中代码为如下：

    String html = HttpTool.doGet("http://www.zyqok.cn/material/index");

    // 将 html 页面解析为 Document 对象

    Document doc = Jsoup.parse(html);

    // 获取所有包含 class = material-div 的 div 元素

    Elements elements = doc.select("div.material-div");

    for(Element div: elements){

        System.out.println(div.toString());

    }

注意：doc.select() 括号中的参数为过滤条件，基本等同于 Jquery 的过滤条件，所以会Jquery的同学，如何筛选条件基本就得心应手的，当然不会写筛选条件的也不要怕，这里有一份 Jsoup 使用指南，阁下不妨收下（传送门：Jsoup 官方使用指南）。

（3.5）我们执行代码，将输出结果继续拷贝到文本中。

可以看到，本次确实只有图片相关的div元素了，但这并不是我们想要的最终结果，我们最终的结果是获取到所有图片。

所以我们还需要继续分析：如何获取所有图片的链接和名字。

（3.6）由于每个图片所在的div元素结构都一样，所以我们可以取随机取一个div元素进行分析，于是我们可以取第一个div来进行分析，结构如下：

<div align="center" style="padding: 10px;" class="material-div"> 

    <div style="width: 80px; height: 80px; margin-bottom: 3px; display: flex; align-items: center; justify-content: center"> 

        <img class="fangda image" src="https://zyqok.oss-cn-chengdu.aliyuncs.com/20200414220946131_大树夕阳.jpg"> 

        <input type="hidden" class="materialId" value="121"> 

    </div> 

    <font style="font-size: 5px">大树夕阳.jpg</font><br> 

    <font style="font-size: 5px">2020-04-14 22:09:46</font> 

</div>

（3.7）我们可以看到，整个结构内，就一个 img 元素标签，于是我们可以取第1个img标签的 src 属性为图片链接；同理，我们取第1个 font 元素的文本内容为图片名称。

（3.8）于是我们可以修改循环中的代码内容如下：

// 获取第1个 img 元素

Element img = div.selectFirst("img");

// 获取第1个 font 元素

Element font = div.selectFirst("font");

// 获取img元素src属性，即为图片链接

String url = img.attr("src");

// 获取name元素文本，即为图片名称

String name = font.text();

System.out.println(name + ": " + url);

总结

大型分布式系统犹如一个生命，系统中各个服务犹如骨骼，其中的数据犹如血液，而Kafka犹如经络，串联整个系统。这份Kafka源码笔记通过大量的设计图展示、代码分析、示例分享，把Kafka的实现脉络展示在读者面前，帮助读者更好地研读Kafka代码。

麻烦帮忙转发一下这篇文章+关注我

本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录

需要这份系统化的资料的朋友，可以点击这里获取

中各个服务犹如骨骼，其中的数据犹如血液，而Kafka犹如经络，串联整个系统。这份Kafka源码笔记通过大量的设计图展示、代码分析、示例分享，把Kafka的实现脉络展示在读者面前，帮助读者更好地研读Kafka代码。

麻烦帮忙转发一下这篇文章+关注我

[外链图片转存中…(img-1J8B7odh-1715297622735)]

本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录

需要这份系统化的资料的朋友，可以点击这里获取