Android基于Jsoup的网络爬虫

getElementsByTag(String tag)

getElementsByClass(String className)

getElementsByAttribute(String key) (and related methods)

Element siblings: siblingElements(), firstElementSibling(), lastElementSibling(); nextElementSibling(), previousElementSibling()

Graph: parent(), children(), child(int index)

操作HTML和文本

append(String html), prepend(String html)

appendText(String text), prependText(String text)

appendElement(String tagName), prependElement(String tagName)

html(String value)

3.对HTML元素、属性、文本进行操作

在你解析一个Document之后可能想修改其中的某些属性值，然后再保存到磁盘或都输出到前台页面。

可以利用Jsoup进行如下操作:

Element div = doc.select(“div”).first(); //

div.html(“

lorem ipsum

”); //

lorem ipsum

div.prepend(“

First

”);//在div前添加html内容

div.append(“

Last

”);//在div之后添加html内容

// 添完后的结果:

First

lorem ipsum

Last

Element span = doc.select(“span”).first(); // One

span.wrap(“

• ”);

  // 添完后的结果:

• One

• 这是对一个HTML中内容元素的设置

  关于Jsoup的更多使用细节可以参考中文文档:https://www.open-open.com/jsoup/

  五、爬取数据的思路

  ---

  1.根据想要获取的资源，利用浏览器自带的审查元素功能(F12)获得想要的资源

  以知乎为例如下可见网页的各个元素的名称:

  

  2.利用Jsoup进行解析:

  这里主要的分析网站是https://www.zhihu.com/topic/19550874/hot

  因为Android的网络操作需要在不能在主线程运行，可以使用Thread+Handler或者AsyncTask获取数据并在主界面刷新UI。

  其次是数据的展示，将数据放在listView中即可，如果要加入下拉刷新或者上滑加载则需要额外的工作。

  以下是关键代码:

  /private class SearchTask extends AsyncTask<Void, Void, Boolean>

  {

  Context context;

  Map.Entry<String,String> topicURL;

  public SearchTask(Context context,Map.Entry<String,String> topicURL)

  {

  this.context = context;

  this.topicURL = topicURL;

  }

  @Override

  protected Boolean doInBackground(Void… voids)

  {

  Connection conn= Jsoup.connect(“https://www.zhihu.com/topic/” + topicURL.getValue()+ “/hot”);

  Document doc;

  try

  {

  doc = conn.get();

  Elements answerList = doc.select(“div[class=ContentItem AnswerItem]”);

  for (Element element : answerList)

  {

  Map<String, Object> map = new HashMap<>();

  //作者 标题

  JsonParser parser = new JsonParser();

  JsonObject data = parser.parse(element.attr(“data-zop”)).getAsJsonObject();

  String authorName = data.get(“authorName”).getAsString();

  String title = data.get(“title”).getAsString();

  map.put(“title”, title);

  //简略内容

  Elements spanContent = element.select(“span[class=RichText CopyrightRichText-richText]”);

  String minContent = spanContent.text();

  map.put(“content”, authorName+“:”+minContent);

  //赞数

  Elements likeCountButton = element.select(“button[class=Button VoteButton VoteButton–up]”);

  String likeCount = likeCountButton.text();

  map.put(“likeCount”, likeCount+“点赞”);

  //回答URL

  String url = element.getElementsByAttributeValue(“itemprop”, “url”).get(2).attr(“content”);

  map.put(“url”, url);

  map.put(“topic”,topicURL.getKey());

  answersList.add(map);

  }

  } catch (IOException e)

  {

  e.printStackTrace();

  }

  return true;

  }

  @Override

  protected void onPostExecute(final Boolean success) {

  if (success) {

  listView_answer.onLoadComplete();

  adapter.notifyDataSetChanged();

  if(getUserVisibleHint())

  Toast.makeText(getActivity(), “加载完成”, Toast.LENGTH_SHORT).show();

  } else {

  if(getUserVisibleHint())

  Toast.makeText(getActivity(),“连接服务器出错”,Toast.LENGTH_SHORT).show();

  }

  mAuthTask = null;

  }

  @Override

  protected void onCancelled() {

  mAuthTask = null;

  }

  }

  private void setListView(View rootView)

  {

  listView_answer = (LoadMoreListView) rootView.findViewById(R.id.listView_answer);

  listView_answer.setLoadMoreListen(this);

  swip = (SwipeRefreshLayout) rootView.findViewById(R.id.swip_index);

  swip.setOnRefreshListener(this);

  swip.setColorSchemeResources(android.R.color.holo_blue_light, android.R.color.holo_red_light, android.R.color.holo_orange_light,

  android.R.color.holo_green_light);

  adapter = new SimpleAdapter(getContext(),answersList,R.layout.answer_layout,

  new String[]{“title”,“content”,“likeCount”,“topic”},

  new int[]{R.id.textView_title,R.id.textView_content,R.id.textView_likeCount,R.id.textView_topic});

  listView_answer.setOnItemClickListener(new AdapterView.OnItemClickListener()

  {

  @Override

  public void onItemClick(AdapterView<?> adapterView, View view, int i, long l)

  {

  Intent intent = new Intent();

  intent.setAction(Intent.ACTION_VIEW);

  Uri content_url = Uri.parse(answersList.get(i).get(“url”).toString());

  intent.setData(content_url);

  startActivity(intent);

  }

  });

  listView_answer.setAdapter(adapter);

  }

  参考地址:https://blog.csdn.net/chinastraw/article/details/79397892
  至此，一个简单的Android网络爬虫就已经实现(layout文件省略)
  作者:毛忠钦
  学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

  一、Python所有方向的学习路线

  Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

  

  二、学习软件

  工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

  

  三、全套PDF电子书

  书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

  

  四、入门学习视频

  我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

  

  五、实战案例

  光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

  

  六、面试资料

  我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

  

  

  网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

  需要这份系统化学习资料的朋友，可以戳这里无偿获取

  一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！