8、ElasticSearch：Jsoup爬虫及实战

最新推荐文章于 2024-05-31 10:05:00 发布

很皮的皮蛋瘦肉粥

最新推荐文章于 2024-05-31 10:05:00 发布

阅读量429

点赞数

分类专栏： ElasticSearch 文章标签： java elasticsearch

本文链接：https://blog.csdn.net/cxycxytony/article/details/108560527

版权

ElasticSearch 专栏收录该内容

8 篇文章 1 订阅

订阅专栏

文章目录

8.1、项目搭建
8.2、Jsoup爬虫
8.3、业务编写
8.4、前后端交互
8.5、关键字高亮实现

8.1、项目搭建

在这里插入图片描述

导入fastjson包

<dependency>
    <groupId>com.alibaba</groupId>
    <artifactId>fastjson</artifactId>
    <version>1.2.62</version>
</dependency>

导入页面及静态资源
在这里插入图片描述
资源链接：https://pan.baidu.com/s/1hw1mL87BBF62GsZH7DhcpA
提取码：7k7k

编写IndexControler测试

@Controller
public class IndexController {

    @RequestMapping({"/","/index"})
    public String string(){
        return "index";
    }
}

启动
在这里插入图片描述

8.2、Jsoup爬虫

爬取数据：（获取请求返回的页面信息，筛选出我们想要的数据就可以了！）

1、导入Jsoup依赖包

<!--解析网页-->
<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.13.1</version>
</dependency>

2、编写一个封装对象的实体类

@Data
@AllArgsConstructor
@NoArgsConstructor
public class Content {

    private String img;
    private String title;
    private String price;
    // 可以自己添加属性
}

3、爬取

package com.chen.util;

import com.chen.pojo.Content;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import org.springframework.stereotype.Component;

import java.io.IOException;
import java.net.MalformedURLException;
import java.net.URL;
import java.util.ArrayList;
import java.util.List;

@Component
public class HtmlParseUtil {

    public static void main(String[] args) throws IOException {

        new HtmlParseUtil().parseJD("java").forEach(System.out::println);

    }

    public List<Content> parseJD(String keywords) throws IOException {
        // 获得请求 https://search.jd.com/Search?keyword=java
        // 前提:需要联网
        String url = "https://search.jd.com/Search?keyword="+keywords;
        // 解析网页 Jsoup返回Document就是浏览器的Document对象
        Document document = Jsoup.parse(new URL(url), 30000);
        // 所有在js中可以使用的方法，这里都可以用
        Element  element= document.getElementById("J_goodsList");
        System.out.println(element);
        // 获取所有的li元素
        Elements elements = element.getElementsByTag("li");

        ArrayList<Content> goodList = new ArrayList<>();

        // 获取元素中的内容
        for (Element el : elements) {
            // 如果通过src获取不到图片的话，有可能所有图片都是延迟加载的！
            // 我们attr的属性可能需要通过data-lazy-img去获取
            String img = el.getElementsByTag("img").eq(0).attr("src");
            String price = el.getElementsByClass("p-price").eq(0).text();
            String title = el.getElementsByClass("p-name").eq(0).text();

            Content content = new Content();
            content.setImg(img);
            content.setTitle(title);
            content.setPrice(price);
            goodList.add(content);
        }
        return goodList;
    }

}

4、运行测试

在这里插入图片描述

8.3、业务编写

1、新建立一个config包，编写ElasticSearchConfig

@Configuration
public class ElasticSearchConfig {

    @Bean
    public RestHighLevelClient restHighLevelClient(){
        RestHighLevelClient client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("127.0.0.1", 9200, "http")));
        return client;
    }
}

2、将数据放入es中

编写ContentService

@Service
public class ContentService {

    @Autowired
    private RestHighLevelClient restHighLevelClient;

    // 1、解析数据放入es 索引中
    public Boolean parseContent(String keywords) throws IOException {
        List<Content> contents = new HtmlParseUtil().parseJD(keywords);
        // 把查询到的数据放入 es 中
        BulkRequest bulkRequest = new BulkRequest();
        bulkRequest.timeout("2m");
        for (int i = 0; i < contents.size(); i++) {
            bulkRequest.add(
                    new IndexRequest("jd_goods")
                    .source(JSON.toJSONString(contents.get(i)), XContentType.JSON));
        }
        BulkResponse bulk = restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT);
        return !bulk.hasFailures();

    }
}

编写ContentController

@RestController
public class ContentController {

    @Autowired
    private ContentService contentService;

    @GetMapping("/parse/{keywords}")
    public boolean parse(@PathVariable("keywords") String keywords) throws IOException {
        return contentService.parseContent(keywords);
    }
}

启动

在这里插入图片描述

2、获取这些数据实现搜索功能

给ContentService 中添加方法

/**
 *
 * @param keyword 关键字
 * @param pageNo 标识从第几行开始
 * @param pageSize 页面大小
 * @return
 */

// 2、获取这些数据实现搜索功能
public List<Map<String,Object>> searchPage(String keyword,int pageNo,int pageSize) throws IOException {
    if (pageNo <= 1){
        pageNo = 1;
    }

    // 条件搜索
    SearchRequest searchRequest = new SearchRequest("jd_goods");
    SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();

    // 分页
    sourceBuilder.from(pageNo);
    sourceBuilder.size(pageSize);

    // 精准匹配
    TermQueryBuilder title = QueryBuilders.termQuery("title", keyword);
    sourceBuilder.query(title);
    sourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));

    // 执行搜索
    searchRequest.source(sourceBuilder);
    SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);

    ArrayList<Map<String,Object>> list = new ArrayList<>();
    // 执行结果
    for (SearchHit hit : searchResponse.getHits().getHits()) {
        list.add(hit.getSourceAsMap());
    }
    return list;
}

给ContentController添加接口

@GetMapping("/search/{keyword}/{pageNo}/{pageSize}")
public List<Map<String,Object>> search(@PathVariable("keyword") String keyword,
                                       @PathVariable("pageNo") int pageNo,
                                       @PathVariable("pageSize") int pageSize) throws IOException {
    return contentService.searchPage(keyword,pageNo,pageSize);
}

启动访问测试

8.4、前后端交互

1、新建文件夹并在文件夹下执行命令行下载vue

npm init
npm install vue
npm install axios

文件夹下的到：
在这里插入图片描述
2、将js文件导入项目中

在这里插入图片描述

3、修改index.html

<!DOCTYPE html>
<html xmlns:th="http://www.thymeleaf.org">

<head>
    <meta charset="utf-8"/>
    <title>狂神说Java-ES仿京东实战</title>
    <link rel="stylesheet" th:href="@{/css/style.css}"/>
</head>

<body class="pg">
<div class="page" id="app">
    <div id="mallPage" class=" mallist tmall- page-not-market ">

        <!-- 头部搜索 -->
        <div id="header" class=" header-list-app">
            <div class="headerLayout">
                <div class="headerCon ">
                    <!-- Logo-->
                    <h1 id="mallLogo">
                        <img th:src="@{/images/jdlogo.png}" alt="">
                    </h1>

                    <div class="header-extra">

                        <!--搜索-->
                        <div id="mallSearch" class="mall-search">
                            <form name="searchTop" class="mallSearch-form clearfix">
                                <fieldset>
                                    <legend>天猫搜索</legend>
                                    <div class="mallSearch-input clearfix">
                                        <div class="s-combobox" id="s-combobox-685">
                                            <div class="s-combobox-input-wrap">
                                                <input v-model="keyword" type="text" autocomplete="off" value="dd" id="mq"
                                                       class="s-combobox-input" aria-haspopup="true">
                                            </div>
                                        </div>
                                        <button type="submit" id="searchbtn" @click.prevent="searchKey">搜索</button>
                                    </div>
                                </fieldset>
                            </form>
                            <ul class="relKeyTop">
                                <li><a>狂神说Java</a></li>
                                <li><a>狂神说前端</a></li>
                                <li><a>狂神说Linux</a></li>
                                <li><a>狂神说大数据</a></li>
                                <li><a>狂神聊理财</a></li>
                            </ul>
                        </div>
                    </div>
                </div>
            </div>
        </div>

        <!-- 商品详情页面 -->
        <div id="content">
            <div class="main">
                <!-- 品牌分类 -->
                <form class="navAttrsForm">
                    <div class="attrs j_NavAttrs" style="display:block">
                        <div class="brandAttr j_nav_brand">
                            <div class="j_Brand attr">
                                <div class="attrKey">
                                    品牌
                                </div>
                                <div class="attrValues">
                                    <ul class="av-collapse row-2">
                                        <li><a href="#"> 狂神说 </a></li>
                                        <li><a href="#"> Java </a></li>
                                    </ul>
                                </div>
                            </div>
                        </div>
                    </div>
                </form>

                <!-- 排序规则 -->
                <div class="filter clearfix">
                    <a class="fSort fSort-cur">综合<i class="f-ico-arrow-d"></i></a>
                    <a class="fSort">人气<i class="f-ico-arrow-d"></i></a>
                    <a class="fSort">新品<i class="f-ico-arrow-d"></i></a>
                    <a class="fSort">销量<i class="f-ico-arrow-d"></i></a>
                    <a class="fSort">价格<i class="f-ico-triangle-mt"></i><i class="f-ico-triangle-mb"></i></a>
                </div>

                <!-- 商品详情 -->
                <div class="view grid-nosku">

                    <div class="product" v-for="result in results">
                        <div class="product-iWrap">
                            <!--商品封面-->
                            <div class="productImg-wrap">
                                <a class="productImg">
                                    <img :src="result.img">
                                </a>
                            </div>
                            <!--价格-->
                            <p class="productPrice">
                                <em><b>¥</b>{{result.price}}</em>
                            </p>
                            <!--标题-->
                            <p class="productTitle">
                                <a> {{result.title}} </a>
                            </p>
                            <!-- 店铺名 -->
                            <div class="productShop">
                                <span>店铺： 狂神说Java </span>
                            </div>
                            <!-- 成交信息 -->
                            <p class="productStatus">
                                <span>月成交<em>999笔</em></span>
                                <span>评价 <a>3</a></span>
                            </p>
                        </div>
                    </div>
                </div>
            </div>
        </div>
    </div>
</div>

<!-- 前端使用Vue，实现前后端分离 -->
<script th:src="@{/js/axios.min.js}"></script>
<script th:src="@{/js/vue.min.js}"></script>
<script>

    new Vue({
        el: "#app",
        data: {
            keyword: '', // 搜索的关键字
            results: [] // 搜索的结果
        },
        methods: {
            searchKey(){
                var keyword = this.keyword;
                console.log(keyword);
                // 对接后端的接口
                axios.get('search/'+keyword+'/1/10').then(response=>
                {
                    console.log(response);
                    this.results = response.data; // 绑定数据
                })
            }
        }
    })

</script>

</body>
</html>

4、测试效果
在这里插入图片描述
注意：如果在代码没有问题的情况下出现问题，可以先将项目clean一下，然后重启！

8.5、关键字高亮实现

1、给ContentService 中添加方法

// 2、获取这些数据实现搜索功能
public List<Map<String,Object>> searchPageHighlight(String keyword,int pageNo,int pageSize) throws IOException {
    if (pageNo <= 1){
        pageNo = 1;
    }

    // 条件搜索
    SearchRequest searchRequest = new SearchRequest("jd_goods");
    SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();

    // 分页
    sourceBuilder.from(pageNo);
    sourceBuilder.size(pageSize);

    // 精准匹配
    TermQueryBuilder title = QueryBuilders.termQuery("title", keyword);
    sourceBuilder.query(title);
    sourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));

    // 高亮
    HighlightBuilder highlightBuilder = new HighlightBuilder();
    highlightBuilder.field("title");
    // 是否多个高亮显示 这里选否
    highlightBuilder.requireFieldMatch(false);
    highlightBuilder.preTags("<span style='color:red'>");
    highlightBuilder.postTags("</span>");
    sourceBuilder.highlighter(highlightBuilder);

    // 执行搜索
    searchRequest.source(sourceBuilder);
    SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);

    ArrayList<Map<String,Object>> list = new ArrayList<>();
    // 解析结果
    for (SearchHit hit : searchResponse.getHits().getHits()) {
        
        Map<String, HighlightField> highlightFields = hit.getHighlightFields();
        HighlightField highlightTitle = highlightFields.get("title");
        // 原来的结果
        Map<String, Object> sourceAsMap = hit.getSourceAsMap();
        // 解析高亮的字段 将原来的字段换为我们高亮的字段即可
        // 注意这里是highlightTitle，不要错用为上面的title
        if (highlightTitle != null){
            Text[] fragments = highlightTitle.fragments();
            String n_title = "";
            for (Text text : fragments) {
                n_title += text;
            }
            // 将原来的字段换为我们高亮的字段即可
            sourceAsMap.put("title",n_title);
        }
        list.add(sourceAsMap);
    }
    return list;
}

2、给ContentController添加接口

    @GetMapping("/search/{keyword}/{pageNo}/{pageSize}")
    public List<Map<String,Object>> search(@PathVariable("keyword") String keyword,
                                           @PathVariable("pageNo") int pageNo,
                                           @PathVariable("pageSize") int pageSize) throws IOException {
        return contentService.searchPageHighlight(keyword,pageNo,pageSize);
    }

3、修改index.html (将title的绑定改为v-html)

<!--标题-->
<p class="productTitle">
    <a v-html="result.title"></a>
</p>

4、效果
在这里插入图片描述

学习视频链接：https://www.bilibili.com/video/BV17a4y1x7zq?p=20

很皮的皮蛋瘦肉粥

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
8、ElasticSearch：Jsoup爬虫及实战

文章目录8.1、项目搭建8.2、Jsoup爬虫8.3、业务编写8.4、前后端交互8.5、关键字高亮实现8.1、项目搭建导入fastjson包<dependency> <groupId>com.alibaba</groupId> <artifactId>fastjson</artifactId> <version>1.2.62</version></dependency>导入
复制链接

扫一扫

专栏目录