webmagic爬虫程序

package com.letv.cloud.spider;
import java.util.HashSet;
import java.util.List;
import us.codecraft.webmagic.Page;
import us.codecraft.webmagic.Site;
import us.codecraft.webmagic.Spider;
import us.codecraft.webmagic.processor.PageProcessor;
public class MoviePaperPageProcessor implements PageProcessor {
    private Site page = Site.me().setRetryTimes(3).setSleepTime(1000);
    public Site getSite() {
        return page;http://www.huiyi8.com/moban/
    public void process(Page page) { html模板
        List<String> links = page.getHtml().links().regex(
                "http://posters.imdb.cn/poster/\\d+").all();
        links = removeDuplicate(links);
        page.addTargetRequests(links);
        page.putField("title", page.getHtml().xpath(
        "//div[@id='imdbleftsecc']/center/h1/text()").toString());
        page.putField("imgurl", page.getHtml().xpath(
                "//div[@id='imdbleftsecc']/center/img/@src").toString());
    public static void main(String[] args) {        for (int i = 1; i <= 3; i++) {
            Spider.create(new MoviePaperPageProcessor()).addUrl(
                    "http://posters.imdb.cn/poster_page/" + i).thread(5).run();
    public static List removeDuplicate(List list) {
        HashSet hs = new HashSet(list);
        list.clear();
        list.addAll(hs);
        return list;
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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
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