爬虫,抓取CSDN某用户的信息

package zp;

import java.io.IOException;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;

/**
* @author 作者:tony chan
* @email 邮箱:chenzs@tedu.cn
* @version v.1.0 创建时间:上午9:47:50
* @description 描述:抓取CSDN某用户的信息
*/

public class TestCSDN {
	public static void main(String[] args) throws IOException {
		String[] urls = {"weixin_43884234","u012932876","qq_16804847","maitian_2008","weixin_38305440","nutony","weixin_46595435"};
		String[] names = {"程晓宇","刘沛霞","刘昱江","齐雷","王海涛","陈子枢","新人"};
		for(int i = 0; i<urls.length; i++) {
			CSDN csdn = TestCSDN.csdn(names[i], "https://blog.csdn.net/" + urls[i]);
			System.out.println(csdn.order());
		}
	}
	
	public static CSDN csdn(String name, String url) throws IOException {
		CSDN csdn = new CSDN();
		Document doc = Jsoup.connect(url).get();
		csdn.name = doc.select(".user-profile-head-name").get(0).text()+" ("+name+")";
		csdn.image = doc.select(".user-profile-avatar").select("img").get(0).attr("src");
		csdn.info = doc.select(".user-profile-head-info-r-c").get(0).text();
		
		//1,190,760 被访问 141 原创 1,527 排名 7,143 粉丝
		csdn.orderNo = csdn.info.substring(csdn.info.indexOf("原创")+3, csdn.info.indexOf("排名") );
		
		try {
			csdn.intro = doc.select(".introduction-fold").select(".default").get(0).text();
		}catch(Exception e) {}
		
		return csdn;
	}
}

class CSDN{
	String name;
	String orderNo;
	String image;
	String info;
	String intro;
	
	@Override
	public String toString() {
		return "CSDN [name=" + name + ", info=" + info + ", intro=" + intro + ", image=" + image + "]";
	}
	
	public String order() {
		return "CSDN [name=" + name + ", order=" + orderNo + "]";
	}	
}
本程序用java编写,运行的时候需要JDK1.5或以上环境,无需安装。程序通过分析CSDN博客源码来生成一些必要的数据,可能在以后使用当中出现爬取不了的情况,可能是CSDN的源码结构修改了。程序只是用于学习之用,严禁用于非法目的而照成CSDN服务器过载。 由于生成PDF的时候需要依赖字库,所以在打包程序的时候把一些必要的字库已经放到程序中去了。可能在生成一些PDF文件的时候出现乱码问题,那是因为里面缺少需要的字库,如遇到这个问题,请和本人联系wyphao.2007@163com #################################################### 程序功能: 1、支持输入CSDN博客用户名针对性下载 2、支持选择保存下载的文件 保存的结构目录为: 选择的保存路径\CSDN用户名\img 该用户的头像保存路径 选择的保存路径\CSDN用户名\pdf 生成的PDF文件保存路径 选择的保存路径\CSDN用户名\doc 生成的DOC文件保存路径 选择的保存路径\CSDN用户名\txt 生成的TXT文件保存路径 3、支持获取用户博客信息 4、支持显示用户所有的帖子列表 5、可以自己选择需要下载的帖子,有全选、反选、重置按钮 6、支持下载的文件保存为 pdf、doc、txt三种格式 7、生成的pdf、doc文件支持图片 8、支持进度显示 #################################################### 制作时间:2012年07月17日 - 2012年07月18日 制 作:w397090770 个人博客:http://blog.csdn.net/w397090770 Email :wyphao.2007@163.com 版权所有,翻版不究 ####################################################
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