Java 使用 EasyExcel 爬取数据

一、爬取数据的基本思路

分析要爬取数据的来源

1. 查找数据来源：浏览器按 F12 或右键单击“检查”打开开发者工具查看数据获取时的请求地址

2. 查看接口信息：复制请求地址直接到浏览器地址栏输入看能不能取到数据

3. 推荐安装插件：FeHelper（FeHelper - Awesome）

4. 按 F12 打开控制台，查看网络请求，复制 curl 代码便于查看和执行：

注意不要暴露 cookie！！

curl "https://api.zsxq.com/v2/hashtags/48844541281228/topics?count=20" ^
  -H "authority: api.zsxq.com" ^
  -H "accept: application/json, text/plain, */*" ^
  -H "accept-language: zh-CN,zh;q=0.9" ^
  -H "cache-control: no-cache" ^
  -H "origin: https://wx.zsxq.com" ^
  -H "pragma: no-cache" ^
  -H "referer: https://wx.zsxq.com/" ^
  --compressed

二、使用 EasyExcel 爬取数据

方式一：通过监听器读取

1. 导入 EasyExcel 的依赖

<!-- https://mvnrepository.com/artifact/com.alibaba/easyexcel -->
<dependency>
    <groupId>com.alibaba</groupId>
    <artifactId>easyexcel</artifactId>
    <version>3.1.1</version>
</dependency>

2. 创建读对象

读对象的的两种方式：

• 表头确定：创建对象（属性即为需要的列数据）

• 表头不确定：把每一行数据映射为 Map<String, Object>

• 本系统的表头是确定的，读取表格中的用户名及星球编号即可，所以使用创建对象，对象的属性与表头进行绑定即可

• 将 Excel 表格字段与 Java 对象关联起来：使用 @ExcelProperty("") 注解指定使用 index 强制匹配或根据 "str" 字符串匹配表格数据

package com.example.usercenter.once;

import com.alibaba.excel.annotation.ExcelProperty;
import lombok.Data;

/**
 * 用户信息实体对象：与 Excel 字段对应
 * @author Ghost
 * @version 1.0
 */
@Data
public class TableUserData {

    @ExcelProperty("用户名")
    private String username;

    @ExcelProperty("星球编号")
    private String planetCode;

}

3. 读取数据：先创建监听器，在读取数据时绑定监听器

• 实现监听器 ReadListener 接口的 invoke() 方法，读取数据时会触发该方法
• 实现 doAfterAllAnalysed() 方法，当所有数据读取完成就会触发一次该方法
• 单独抽离处理逻辑，代码清晰易于维护
• 一条一条处理，适用于数据量大的场景

package com.example.usercenter.once;

import com.alibaba.excel.context.AnalysisContext;
import lombok.extern.slf4j.Slf4j;
import com.alibaba.excel.read.listener.ReadListener;

@Slf4j
public class DemoDataListener implements ReadListener<TableUserData> {

    /**
     * 这个每一条数据解析都会来调用
     *
     * @param data    one row value. Is is same as {@link AnalysisContext#readRowHolder()}
     * @param context
     */
    @Override
    public void invoke(TableUserData data, AnalysisContext context) {
        System.out.println(data);// 输出每次解析到的数据
    }

    /**
     * 所有数据解析完成了 都会来调用
     *
     * @param context
     */
    @Override
    public void doAfterAllAnalysed(AnalysisContext context) {
        log.info("所有数据解析完成！");
    }
}

 4. 绑定监听器，读取 Excel 数据

• 在 resources 目录下新建一个 testUser.xls 作为测试使用
• 绑定监听器 DemoDataListener
• 每次解析一条数据，每次解析都会调用 invoke() 方法输出数据

package com.example.usercenter.once;

import com.alibaba.excel.EasyExcel;

/**
 * 读取 Excel 表格数据
 * @author Ghost
 * @version 1.0
 */
public class ImportExcelData {
    public static void main(String[] args) {
        // 写法 1
        String fileName = "D:\\code\\user-center\\src\\main\\resources\\testUser.xls";// 先写一个绝对路径
        // 这里默认每次会读取100条数据 然后返回过来 直接调用使用数据就行
        EasyExcel.read(fileName, TableUserData.class, new DemoDataListener()).sheet().doRead();
    }

}

5. 运行程序，查看效果

方式二：使用同步读方式

1. 导入 EasyExcel 的依赖（同方式一）

2. 创建读对象（同方式一）

3. 读取数据：使用同步读的方式

• 无需创建监听器，一次性获取完整数据
• 方便简单，但数据量大时需要等待，会卡顿

package com.example.usercenter.once;

import com.alibaba.excel.EasyExcel;
import lombok.extern.slf4j.Slf4j;

import java.util.List;

/**
 * 读取 Excel 表格数据
 * @author Ghost
 * @version 1.0
 */
@Slf4j
public class ImportExcelData {
    public static void main(String[] args) {
        // 写法 1
        String fileName = "D:\\code\\user-center\\src\\main\\resources\\testUser.xls";// 先写一个绝对路径
//        readByListener(fileName);
        synchronousRead(fileName);
    }

    /**
     * 读取方式一：使用监听器读取
     * @param fileName 文件路径
     */
    public static void readByListener(String fileName) {
        // 这里默认每次会读取100条数据 然后返回过来 直接调用使用数据就行
        EasyExcel.read(fileName, TableUserData.class, new DemoDataListener()).sheet().doRead();
    }

    /**
     * 读取方式二：同步读取（同步的返回，不推荐使用，如果数据量大会把数据放到内存里面）
     * @param fileName 文件路径
     */
    public static void synchronousRead(String fileName) {
        // 这里 需要指定读用哪个class去读，然后读取第一个sheet 同步读取会自动finish
        List<TableUserData> list = EasyExcel.read(fileName).head(TableUserData.class).sheet().doReadSync();
        for (TableUserData data : list) {
            log.info("读取到数据:{}", data);
        }
    }

}

4. 运行程序，查看效果

三、清洗数据后导入数据库

1. 使用同步读的方式获取数据

2. 数据去重：判断是否有用户名相同的用户

3. TODO：如何获取所有用户（用户的唯一标识）