Java网页资源抓取例子(使用第三方包Jsoup解析Html)

直接上代码:

import java.io.IOException;
import java.util.ArrayList;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;


public class Test {
	
	public static void main(String[] args) throws IOException {
		ArrayList<String> imageUrlBuilder = new ArrayList<String>();
		ArrayList<String> httpUrlBuilder = new ArrayList<String>();
		
		httpUrlBuilder.add("http://news.baidu.com/");
		int i = 0;
		String url = null;
		
		while((url = httpUrlBuilder.get(i))!= null){
			try{
				Document doc = Jsoup.connect(url).get();
				System.out.println("==============当前url"+url+"下有图片链接===============");
				Elements imgLinks = doc.getElementsByTag("img");
				for (Element link : imgLinks) {
				  String linkHref = link.attr("src");
				  
				  if(linkHref.startsWith("http")){
					  imageUrlBuilder.add(linkHref);
					  System.out.println(linkHref);
				  }
				}
				
				Elements links = doc.getElementsByTag("a");
				for (Element link : links) {
					  String linkHref = link.attr("href");
					  //如果数组中含有此链接字符串就不添加
					  if(linkHref.startsWith("http")&&!httpUrlBuilder.contains(linkHref)){
						  httpUrlBuilder.add(linkHref);
					  }
				}
			}catch(Exception e){
				continue;
			}
			System.out.println();
			System.out.println("httpUrl数目"+httpUrlBuilder.size());
			i++;
		
		}
		
		
		
	}

}
第三方包下载地址:http://jsoup.org/download


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