day74,爬虫01，HttpClient工具类的使用步骤，jsoup的解析常用方法，爬京东数据的案例

一、什么是爬虫
爬虫是一段程序，抓取互联网上的数据，保存到本地。
抓取过程：
1、使用程序模拟浏览器
2、向服务器发送请求。
3、服务器响应html
4、把页面中的有用的数据解析出来。
解析页面中的链接地址。
把链接地址添加到url队列中。
5、爬虫从url队列中取url，返回的操作。

二、爬虫的抓取环节
1、抓取页面。
可以使用java api中提供的URLConnection类发送请求。
推荐使用工具包HttpClient。
是apache旗下的一个开源项目。
可以模拟浏览器。
2、对页面进行解析。
使用Jsoup工具包。
可以像使用jQuery一样解析html。

二、HttpClient
可以使用HttpClient模拟浏览器。
1、使用HttpClient发送get请求
步骤：

@Test
    public void testGet() throws Exception {
   
        //1）创建一个HttpClient对象，使用CloseableHttpClient，使用HttpClients工具类创建。
        CloseableHttpClient httpClient = HttpClients.createDefault();
        //2）创建一个HttpGet对象，get对象封装请求的url
        //HttpGet get = new HttpGet("http://bbs.itheima.com/search.php?mod=forum&searchid=50&orderby=lastpost&ascdesc=desc&searchsubmit=yes&kw=java");
        HttpGet get = new HttpGet("https://search.jd.com/Search?keyword=%E6%89%8B%E6%9C%BA&enc=utf-8&wq=%E6%89%8B%E6%9C%BA&pvid=2d8c452b8a904b16afc71167f307f975");
        //3）使用HttpClient执行请求
        CloseableHttpResponse response = httpClient.execute(get);
        //4）接收服务端响应的内容。
        StatusLine statusLine = response.getStatusLine();
        System.out.println(statusLine);
        //	响应的内容包含响应头
        int statusCode = statusLine.getStatusCode();
        System.out.println(statusCode);
        //	包含响应的内容（html）
        HttpEntity entity = response.getEntity();
        String html = EntityUtils.toString(entity);
        System.out.println(html);
        //5）关闭连接
        response.close();
        httpClient.close();
    }

2、使用HttpClient发送Post请求
步骤：

 @Test
    public void testPost() throws Exception {
   
        //1）创建一个HttpClient对象
        CloseableHttpClient httpClient = HttpClients.createDefault();
        //2）创建HttpPost对象，封装一个url
        HttpPost post = new HttpPost("http://bbs.itheima.com/search.php");
        //3）如果有参数就应该把参数封装到表单中。
        List<NameValuePair> form = new ArrayList<>();
        form.add(new BasicNameValuePair("mod", "forum"));
        form.add(new BasicNameValuePair("searchid", "50"));
        form.add(new BasicNameValuePair("orderby", "lastpost"));
        form.add(new BasicNameValuePair("ascdesc", "desc"));
        form.add(new BasicNameValuePair("searchsubmit", "yes"));
        form.add(new BasicNameValuePair("kw", "java"));
        UrlEncodedFormEntity entity = new UrlEncodedFormEntity(form);
        post.setEntity(entity);
        //4）使用HttpClient执行请求。
        CloseableHttpResponse response = httpClient.execute(post);
        //5）接收服务端响应html
        HttpEntity resultEntity = response.getEntity();
        String html = EntityUtils.toString(resultEntity);
        System.out.println(html);
        //6）关闭连接
        response.close();
        httpClient.close();
    }

爬京东的数据，需要加上请求头（最近新出的规则，具体可以百度）：

 @Test
    public void testHtts() throws Exception {
   
        //创建一个HttpClient对象
        CloseableHttpClient httpClient = HttpsUtils.getHttpClient();
        //创建一个HttGet对象，封装url
        HttpGet get = new HttpGet("https://search.jd.com/Search?keyword=%E6%89%8B%E6%9C%BA&enc=utf-8&wq=%E6%89%8B%E6%9C%BA&pvid=2d8c452b8a904b16afc71167f307f975");</