java爬虫

import java.io.IOException;

import org.jsoup.Jsoup;

import org.jsoup.select.Elements;

public class Testpc {

 

public static void main(String[] args) {

// TODO Auto-generated method stub

getUrl("https://www.2345.com/?38264-0011");

}

public static String getUrl(String url){

try {

org.jsoup.nodes.Document doc = Jsoup.connect(url).data("query", "Java")

.userAgent("Mozilla")

.cookie("auth", "token")

.timeout(3000)

.post();

//得到html的所有东西

//Document doc = Jsoup.parseBodyFragment(html);

org.jsoup.nodes.Element body = ((org.jsoup.nodes.Document) doc).body();

String title = ((org.jsoup.nodes.Document) doc).title();

System.out.println("title:"+title);

org.jsoup.nodes.Element content = ((org.jsoup.nodes.Element) doc).getElementById("content");

Elements links = content.getElementsByTag("a");

for (org.jsoup.nodes.Element link : links) {

String linkHref = link.attr("href");

String linkText = link.text();

System.out.println("linkHref:"+linkHref+"linkText:"+linkText);

}

org.jsoup.nodes.Element content2 = ((org.jsoup.nodes.Element) doc).getElementById("content");

//分离出html下<a>...</a>之间的所有东西

Elements links1 = content2.getElementsByTag("a");

//Elements links = doc.select("a[href]");

// 扩展名为.png的图片

Elements pngs = doc.select("img[src$=.png]");

// class等于masthead的div标签

org.jsoup.nodes.Element masthead = doc.select("div.masthead").first();

System.out.println(content2.toString()+links1+pngs+masthead);

} catch (IOException e) {

// TODO Auto-generated catch block

e.printStackTrace();

}

return "";

}

}

转载于:https://my.oschina.net/u/3452107/blog/1612324

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