Jsoup:使用Java将爬虫得到的数据写入Excel,Jsoup得到的数据进行持久化,爬虫数据保存到本地Excel中

Jsoup:使用Java将爬虫得到的数据写入Excel,Jsoup得到的数据进行持久化,爬虫数据保存到本地Excel中



一、资源


二、代码
  • xml依赖
            <dependency>
                <groupId>com.alibaba</groupId>
                <artifactId>easyexcel</artifactId>
                <version>3.0.5</version>
            </dependency>
    
            <dependency>
                <groupId>com.alibaba</groupId>
                <artifactId>fastjson</artifactId>
                <version>1.2.41</version>
            </dependency>
    
            <!--Jsoup解析网页-->
            <dependency>
                <groupId>org.jsoup</groupId>
                <artifactId>jsoup</artifactId>
                <version>1.10.2</version>
            </dependency>
                
            <dependency>
                <groupId>org.projectlombok</groupId>
                <artifactId>lombok</artifactId>
                <optional>true</optional>
            </dependency>
    
  • 实体类
    @Data
    @NoArgsConstructor
    @AllArgsConstructor
    public class Content {
    
        @ExcelProperty("商品名称")
        private String name;
    
        @ExcelProperty("商品价格")
        private String price;
    
        @ExcelProperty("商品图片路径")
        private String img;
    }
    
  • 写表工具类
    @Component
    public class HtmlParseUtil {
        public static void main(String[] args) throws Exception {
            String fileName = "D:\\IDEA\\Jsoup\\parseJD.xlsx";
            EasyExcel.write(fileName, Content.class)
                    .sheet("Jsoup")
                    .doWrite(new HtmlParseUtil().parseJD("java"));
        }
    
        public List<Content> parseJD(String keyword) throws Exception {
    
            //获取请求 https://search.jd.com/Search?keyword=java
            String url = "https://search.jd.com/Search?keyword=" + keyword;
            ArrayList<Content> contents = new ArrayList<>();
    
            //解析网页
            Document document = Jsoup.parse(new URL(url), 300000);
    
            //获取产品列表
            Element element = document.getElementById("J_goodsList");
    
            //获取产品列表中的li元素
            Elements li = element.getElementsByTag("li");
    
            //获取li里面的具体内容
            for (Element el : li) {
                String name = el.getElementsByClass("p-name").eq(0).text();
                String price = el.getElementsByClass("p-price").eq(0).text();
                String img = el.getElementsByTag("img").eq(0).attr("data-lazy-img");
    
                Content content = new Content();
                content.setName(name);
                content.setPrice(price);
                content.setImg(img);
                contents.add(content);
            }
            return contents;
        }
    }
    


三、成功截图

在这里插入图片描述

  • 1
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
如果您下载了本程序,但是该程序无法运行,或者您不会部署,那么您可以选择退款或者寻求我们的帮助(如果找我们帮助的话,是需要追加额外费用的) 爬虫(Web Crawler)是一种自动化程序,用于从互联网上收集信息。其主要功能是访问网页、提取数据并存储,以便后续分析或展示。爬虫通常由搜索引擎、数据挖掘工具、监测系统等应用于网络数据抓取的场景。 爬虫的工作流程包括以下几个关键步骤: URL收集: 爬虫从一个或多个初始URL开始,递归或迭代地发现新的URL,构建一个URL队列。这些URL可以通过链接分析、站点地图、搜索引擎等方式获取。 请求网页: 爬虫使用HTTP或其他协议向目标URL发起请求,获取网页的HTML内容。这通常通过HTTP请求库实现,如Python的Requests库。 解析内容: 爬虫对获取的HTML进行解析,提取有用的信息。常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助爬虫定位和提取目标数据,如文本、图片、链接等。 数据存储: 爬虫将提取的数据存储到数据库、文件或其他存储介质,以备后续分析或展示。常用的存储形式包括关系型数据库、NoSQL数据库、JSON文件等。 遵守规则: 为避免对网站造成过大负担或触发反爬虫机制,爬虫需要遵守网站的robots.txt协议,限制访问频率和深度,并模拟人类访问行为,如设置User-Agent。 反爬虫应对: 由于爬虫的存在,一些网站采取了反爬虫措施,如验证码、IP封锁等。爬虫工程师需要设计相应的策略来应对这些挑战。 爬虫在各个领域都有广泛的应用,包括搜索引擎索引、数据挖掘、价格监测、新闻聚合等。然而,使用爬虫需要遵守法律和伦理规范,尊重网站的使用政策,并确保对被访问网站的服务器负责。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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