一个简单的爬虫实验

博主一直想研究爬虫，可惜并没有很好的机会，乘着双休日没事，学着写了一个非常简单的小爬虫。

本爬虫使用Jsoup，Jsoup主要是简化连接和选择取内容的代码，抓取的是知乎日报首页上的文章。

其实大家都知道，互联网上显示的内容都最终都是由HTML构成的，说以写爬虫最主要的工作就是分析网页代码的结构，知乎日报首页的结构如下：

经分析得知，每一个col-lg-4类对应着每一列，共有三列，每个wrap或box或link-button类都可以代表一篇文章。我们要做的工作就是将文章里的标题取出来，然后在取出文章对应链接里面的内容。我们现在已经可以用wrap,box,link-button等获得文章的标题（越南「Lady Gaga」参与竞选，倡议尊重同性恋、减少性别歧视）和文章的链接（/story/8287018），下一步就是获取链接里的内容，打开链接，我们得到如下结构:

这里就要看大家想怎么抓取了，content类只包含内容，没有作者，标题。如果想把这些也抓取进来，可以选着question类。我选着的是content类。

代码如下

import org.jsoup.Connection;