开发环境:IDEA
爬取的网站:http://www.sina.com.cn/
所要用到的工具:Jsoup(下载地址http://jsoup.org/packages/jsoup-1.8.1.jar )
下载好了Jsoup以后就要先导入到IDEA中,这里顺带附上教程
点开File->Project Structure->Libraries->点击绿色加号->选择下载好的Jsoup->确认即可
那么前期准备好就要正式开始了。由于本人还是新手,有不好的地方请大家见谅哈
先是确认好要爬的网站,即新浪网,在网站中右键选择“检查”
如图出现了下方的一些代码,这就是我们要去爬取的内容。选择好要爬取的东西,点击栏目左上角的鼠标图样
后点击我们要爬取的地方来定位在代码中的位置
找到了所在位置后就可以开始写代码了
String url="http://www.sina.com.cn/";
Document document = Jsoup.connect(url).userAgent("Mozilla/5.0 (Windows NT 6.1; rv:30.0) Gecko/20100101 Firefox/30.0").get();
document包含了该网站中的代码,可输出.text()查看
得到了代码以后要从中筛选出我们想要的内容,这时我们要查看我们定位所在的class
最近的class
往上一级
往上一级
要逐步定位找到我们所在的"小"class里
所以我是这么做
Elements elements = document.select(".part-b-m").select(".uni-blk-b.SC_Order_Fix_Cont").select(".uni-blk-list02.list-a");
select()中的参数前面带“.”是表示寻找的是class,select三次就是为了逐步定位到我们想要的地方
然后采用一个循环去读取
for (Element element : elements) { }
然后我们发现我们想要的内容是在标签<li><a...>里的,所以我们再一次select
Elements nice=element.select("li a");
然后做一个循环去一个一个的获取内容
for(Element n:nice) {
String title = n.text();
String link = n.select("a").attr("href").trim();
System.out.println("title:" + title);
System.out.println("link:" + link);
}
最后总的代码如图
package hensome; import org.jsoup.Jsoup; import org.jsoup.nodes.Document; import org.jsoup.nodes.Element; import org.jsoup.select.Elements; import java.io.IOException; /** * Created by user on 2017/3/28. */ public class Experiment2_1 { public static void main(String []args) { try { String url="http://www.sina.com.cn/"; Document document = Jsoup.connect(url).userAgent("Mozilla/5.0 (Windows NT 6.1; rv:30.0) Gecko/20100101 Firefox/30.0").get(); Elements elements = document.select(".part-b-m").select(".uni-blk-b.SC_Order_Fix_Cont").select(".uni-blk-list02.list-a"); for (Element element : elements) { Elements nice=element.select("li a"); for(Element n:nice) { String title = n.text(); String link = n.select("a").attr("href").trim(); System.out.println("title:" + title); System.out.println("link:" + link); } } System.out.println(elements.size()); } catch (IOException e) { e.printStackTrace(); } } }
结果如图
一个很简单的爬虫就出来了
有很多不足的地方欢迎路过的大佬指教两句