如何用java中的webmagic爬取网页,快手前端面试经验

  • Downloader(页面下载)

  • PageProcessor(页面分析及链接抽取)

  • Scheduler(URL管理)

  • Pipeline(后续处理和持久化)

webmagic的用法其实很简单,复杂的部分webmagic都替我们封装好了,接下来开始我们爬虫历程。

1.首先引入webmagic的依赖

us.codecraft

webmagic-core

0.6.1

us.codecraft

0.6.1

webmagic-extension

us.codecraft

webmagic-selenium

0.6.1

org.seleniumhq.selenium

selenium-java

3.3.1

2.创建PageProcessor,用来处理网页数据

/**

  • @author linzhiqiang

*/

public class CsdnBlogProcessor implements PageProcessor {

private Site site = Site

.me()

.setDomain(“csdn.net”)

.setSleepTime(3000)

.setUserAgent(

“Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_2) AppleWebKit/537.31 (KHTML, like Gecko) Chrome/26.0.1410.65 Safari/537.31”);

@Override

public void process(Page page) {

System.out.println(“html:”+page.getHtml());

}

@Override

public Site getSite() {

return site;

}

}

site中放置爬取的网站域名、cookie、请求头等信息。 process用来处理爬取到的网页数据,处理完的数据可以通过page.putField(),再通过Pipeline获取存储到数据库。

3.创建Pipeline,存储处理好的网页数据

public class CsdnPipeline implements Pipeline {

@Override

public void process(ResultItems resultItems, Task task) {

//文章题目

String title = resultItems.get(“title”);

//文章内容

小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。

深知大多数初中级前端工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Web前端开发全套学习资料》送给大家,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。

img
img
img
img

由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频

如果你觉得这些内容对你有帮助,可以添加下面V无偿领取!(备注:前端)
img

专业技能

一般来说,面试官会根据你的简历内容去提问,但是技术基础还有需要自己去准备分类,形成自己的知识体系的。简单列一下我自己遇到的一些题

最近得空把之前遇到的面试题做了一个整理,包括我本人自己去面试遇到的,还有其他人员去面试遇到的,还有网上刷到的,我都统一的整理了一下,希望对大家有用。

其中包含HTML、CSS、JavaScript、服务端与网络、Vue、浏览器等等

由于文章篇幅有限,仅展示部分内容

(https://bbs.csdn.net/topics/618166371)**

最近得空把之前遇到的面试题做了一个整理,包括我本人自己去面试遇到的,还有其他人员去面试遇到的,还有网上刷到的,我都统一的整理了一下,希望对大家有用。

其中包含HTML、CSS、JavaScript、服务端与网络、Vue、浏览器等等

由于文章篇幅有限,仅展示部分内容

  • 10
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
由于快手没有开放API接口,所以我们只能通过模拟浏览器来爬取数据。 首先,我们需要安装selenium和chromedriver。selenium是一个自动化测试工具,可以模拟用户在浏览器的操作。chromedriver是一个驱动程序,可以在代码控制Chrome浏览器。 安装完selenium和chromedriver后,我们可以编写代码来模拟用户登录快手并获取收藏的视频。 代码如下: ```python from selenium import webdriver import time # 打开浏览器 driver = webdriver.Chrome() # 打开快手登录页面 driver.get('https://login.kuaishou.com/web/login') # 等待页面加载完成 time.sleep(5) # 输入账号密码 username = 'your_username' password = 'your_password' driver.find_element_by_name('username').send_keys(username) driver.find_element_by_name('password').send_keys(password) # 点击登录按钮 driver.find_element_by_class_name('login-button').click() # 等待登录成功 time.sleep(5) # 打开收藏页面 driver.get('https://live.kuaishou.com/profile/favorites') # 等待页面加载完成 time.sleep(5) # 获取所有视频的信息 videos = driver.find_elements_by_class_name('video-card') # 遍历所有视频并输出标题和链接 for video in videos: title = video.find_element_by_class_name('title').text link = video.find_element_by_tag_name('a').get_attribute('href') print(title, link) # 关闭浏览器 driver.quit() ``` 需要注意的是,由于快手页面一直在更新,上述代码在某些情况下可能无法正常运行。如果遇到问题,可以尝试手动更改代码的元素定位方式。

“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