使用JAVA+Selenium爬虫

总体思路是获取网页加载完成后的html内容,解析html然后获取所需要的元素,从而获得需要的信息。

1、环境准备工作
知识上需要有基本的java和html知识;环境上需要准备java、selenium和chrome浏览器及对应的chrmoedriver(也可以使用firefox等浏览器,需要另外进行简单的配置),mac os下selenium+chrome的环境准备可以参见我的另一篇博客:http://blog.csdn.net/egg1996911/article/details/72085151

2、分析所需要爬虫的网站的html结构
以新浪nba(http://sports.sina.com.cn/nba/)为例,我想要爬取的内容为首页的新闻信息,如下图中蓝框所框部分:
这里写图片描述

打开浏览器的开发者工具,分析所框部分的html元素:
这里写图片描述
可以发现新闻内容都在class=“item”的li元素下,这样我们就有迹可循了。

3、编写代码

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.openqa.selenium.JavascriptExecutor;
import org<
  • 3
    点赞
  • 32
    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