如图所示,它主要分为四个部分:
-
Downloader(页面下载)
-
PageProcessor(页面分析及链接抽取)
-
Scheduler(URL管理)
-
Pipeline(后续处理和持久化)
webmagic的用法其实很简单,复杂的部分webmagic都替我们封装好了,接下来开始我们爬虫历程。
1.首先引入webmagic的依赖
us.codecraft
webmagic-core
0.6.1
us.codecraft
0.6.1
webmagic-extension
us.codecraft
webmagic-selenium
0.6.1
org.seleniumhq.selenium
selenium-java
3.3.1
2.创建PageProcessor,用来处理网页数据
/**
- @author linzhiqiang
*/
public class CsdnBlogProcessor implements PageProcessor {
private Site site = Site
.me()
.setDomain(“csdn.net”)
.setSleepTime(3000)
.setUserAgent(
“Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_2) AppleWebKit/537.31 (KHTML, like Gecko) Chrome/26.0.1410.65 Safari/537.31”);
@Override
public void process(Page page) {
System.out.println(“html:”+page.getHtml());
}
@Override
public Site getSite() {
return site;
}
}
site中放置爬取的网站域名、cookie、请求头等信息。 process用来处理爬取到的网页数据,处理完的数据可以通过page.putField(),再通过Pipeline获取存储到数据库。
3.创建Pipeline,存储处理好的网页数据
public class CsdnPipeline implements Pipeline {
@Override
public void process(ResultItems resultItems, Task task) {
//文章题目
String title = resultItems.get(“title”);
//文章内容
String context = resultItems.get(“context”);
System.out.println(“title:” + title);
System.out.println(“context:” + context);
}
}
在process中通过resultItems来获取PageProcessor存储的page数据,最后我们可以将数据存储到redis、数据库、文件等地方。
4.利用Scheduler调度爬取任务
public class RedisScheduler extends DuplicateRemovedScheduler implements
MonitorableScheduler, DuplicateRemover {
@Override
public int getLeftRequestsCount(Task task) {
return 0;
}
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数前端工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Web前端开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!
如果你觉得这些内容对你有帮助,可以扫码获取!!(备注:前端)
![](https://img-blog.csdnimg.cn/img_convert/26a989b3daeed0047882ff4f87e3a51e.jpeg)
前端面试题是我面试过程中遇到的面试题,每一次面试后我都会复盘总结。我做了一个整理,并且在技术博客找到了专业的解答,大家可以参考下:
由于篇幅有限,只能分享部分面试题,完整版面试题及答案可以【点击我】阅读下载哦~无偿分享给大家
感悟
log.csdnimg.cn/img_convert/9749ea39072fc4b7b27af6f3a4db5ab1.png)
由于篇幅有限,只能分享部分面试题,完整版面试题及答案可以【点击我】阅读下载哦~无偿分享给大家
感悟
春招面试的后期,运气和实力都很重要,自己也是运气比较好,为了回馈粉丝朋友们(毕竟自己也玩了这么久哈哈哈),整理个人感悟和总结以上。最后祝愿大家能够收获理想offer!!