使用Jsoup抓取明星库

抓取明星库的总页数

       private static final Logger logger = LoggerFactory
			.getLogger(SinastarTest.class);
	private static final String url = "http://ku.ent.sina.com.cn/star/search&page_no=";

	private static void testGrab() {
		logger.info("+++++++抓取地址:" + url);
		try {
			Document document = getConnection(url).get();
			// 获取总页数
			Elements content = document.select("[class=to-page] > span:eq(0)");
			Pattern p = Pattern.compile("[^0-9]");
			Matcher m = p.matcher(content.text());
			String pageText = m.replaceAll("");
			if (StringUtils.isNotBlank(pageText)) {
				int pageCount = Integer.parseInt(pageText);
				testGrabList(pageCount);
			}
		} catch (IOException e) {
			logger.error("++++抓取失败+++++", e);
		}
	}

抓取每一页明星库的列表信息

       private static void testGrabList(int pageCount) {
		for (int i = 1; i <= pageCount; i++) {
			String url1 = url + i;
			try {
				Document document = getConnection(url1).get();
				// 获取搜索结果
				Elements content = document
						.select("[class=tv-list clearfix] > li");
				Iterator<Element> iterator = content.iterator();
				while (iterator.hasNext()) {
					Element next = iterator.next();
					// 明星详情地址
					String starInfoUrl = next.select("a:eq(0)").attr("href");
					// 明星图片地址
					String imgUrl = next.select("img:eq(0)").attr("src");
					// 明星姓名
					String name = next.select(
							"[class=item-title clearfix] > h4").text();
					// 评分
					String score = next.select(
							"[class=item-title clearfix] > span").text();
					// 性别
					String sex = next.select("p:eq(1)").text();
					// 职业
					String profession = next.select("p:eq(2)").text();
					// 国籍
					String nationality = next.select("p:eq(3)").text();
					// 出生日期
					String birthday = next.select("p:eq(4)").text();
					// 星座
					String constellation = next.select("p:eq(5)").text();
					// 身高
					String height = next.select("p:eq(6)").text();
					// 简介
					String context = getStartContext(starInfoUrl);
					logger.info(context);
				}
			} catch (IOException e) {
				logger.error("++++抓取失败+++++", e);
			}
		}
	}

获取每个明星的简介

        /**
	 * 获取简介
	 * 
	 * @param starInfoUlr
	 * @return
	 */
	private static String getStartContext(String starInfoUlr) {
		String back = null;
		if (StringUtils.isNotBlank(starInfoUlr)) {
			try {
				Document document = getConnection(starInfoUlr).get();
				// 获取搜索结果
				Elements content = document.select("[class=stars-say]");
				back = content.text();
				back = back.replaceAll("更多>>", "").trim();
			} catch (IOException e) {
				logger.error("++++抓取失败+++++", e);
			}
		}
		return back;
	}

jsoup请求连接

       /**
	 * Jsoup请求url返回请求信息
	 * 
	 * @param urlStr
	 * @return
	 */
	private static Connection getConnection(String urlStr) {
		Connection connection = null;
		connection = Jsoup.connect(urlStr);
		return connection;
	}

开始测试

        public static void main(String[] args) {
		testGrab();
	}

注意要导入jsoup包,maven的pom.xml文件添加配置

        <dependency>
		<groupId>org.jsoup</groupId>
		<artifactId>jsoup</artifactId>
		<version>1.10.3</version>
	</dependency>



  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值