利用HttpClient和Jsoup实现从网站中抓取数据

HttpClient的下载地址:http://hc.apache.org/downloads.cgi

Jsoup的下载地址:http://jsoup.org/download

在Eclipse中导入所下载的包即可。

首先利用HttpClient获取目标网站的的html文件,然后通过jsoup来解析。

  代码如下:

import java.io.IOException;

import org.apache.http.HttpEntity;
import org.apache.http.HttpResponse;
import org.apache.http.client.HttpClient;
import org.apache.http.client.methods.HttpGet;
import org.apache.http.impl.client.DefaultHttpClient;
import org.apache.http.util.EntityUtils;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;

public class Select_Element_Demo {
	public static void main(String[] args) throws IOException {
		HttpClient httpclient = new DefaultHttpClient();
		try{
			HttpGet httpget = new HttpGet("http://www.ibm.com/developerworks/cn/java/j-lo-jsouphtml/");//把目标网站设置进去
			System.out.println("executing request " + httpget.getURI());
			
			HttpResponse response = httpclient.execute(httpget);//获得response
			
			HttpEntity entity = response.getEntity();//获得网站的内容
			
			System.out.println("getStatusLine"+response.getStatusLine());
			if (entity != null){
				System.out.println("Response content length: " + entity.getContentLength());
				String html =  EntityUtils.toString(entity);//将网站的内容转成字符串
				
				Document doc = Jsoup.parse(html);//把html封装进Document
				Element element= doc.getElementById("ibm-content");//提取目标板块的信息
				System.out.println("body:"+element.text());
				
			}
			
		}catch(Exception e){
			e.printStackTrace();
		}finally{ 
			//关闭连接,释放资源 
			httpclient.getConnectionManager().shutdown();
		}
	}
}
从上面可以看到,利用HttpClient和Jsoup来从网站爬取信息很容易。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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