用webmagic抓文章列表和详细页

webMaigc文档:http://webmagic.io


public class ForumPageprocess implements PageProcessor {
private Sitesite= Site.me().setRetryTimes(3).setSleepTime(1000).setTimeOut(10000);
privatestatic String username="qq_14955245";
private String domian="http://blog.csdn.net/";//网站首页
private int size=0;//抓取到的文章数量

public Site getSite() {

return site;

}
public void process(Pagepage) {
if(!page.getUrl().regex(""+domian+""+username+"/article/details/\\d+").match()) {
page.addTargetRequests(page.getHtml().xpath("//*[@id=\"article_toplist\"]").regex(""+username+"/article/details/\\d+").replace(""+username+"",domian+username+"").all());
page.addTargetRequests(page.getHtml().xpath("//*[@id=\"article_list\"]").regex(""+username+"/article/details/\\d+").replace(""+username+"",domian+username+"").all());
 
}

else {     page.putField("title:",page.getHtml().xpath("//*[@id=\"article_details\"]/div[1]/h1/span/").replace("<[^>]*>",""));   page.putField("原创:",page.getHtml().regex("ico_type_(Original)",1).get());   page.putField("阅读次数:",page.getHtml().xpath("//*[@id=\"article_details\"]/div[2]/div[2]/span[2]").regex("(\\d+)人阅读", 1));   page.putField("评论次数:",page.getHtml().xpath("//*[@id=\"article_details\"]/div[2]/div[2]/span[3]").regex("(\\d+)", 1));   page.putField("发布时间:",page.getHtml().css("span.link_postdate","text")); page.putField("标签:",page.getHtml().xpath("//*[@id=\"article_details\"]/div[2]/div[1]/span").regex("<a[^>]*>(.*?)</a>",1).all(); page.putField("分类:",page.getHtml().xpath("//*[@id=\"article_details\"]/div[3]/div[2]/label/span/text()")); page.putField("文章内容:",page.getHtml().xpath("//*[@id=\"article_content\"]").replace("<[^>]*>","")); System.out.println("抓取第"+size+"文章");
 
}
public static void main(String[] args) {
		long startTime,endTime;
		System.out.println("爬虫开始请大家耐心等待");
		startTime =System.currentTimeMillis();
		System.out.println(startTime);
		 // 从用户博客首页开始抓,开启2个线程,启动爬虫
		Spider.create(new ForumPageprocess()).addPipeline(new ConsolePipeline()) .addUrl("http://blog.csdn.net/"+username+"").thread(2).run();
		endTime=System.currentTimeMillis();
		System.out.println("总共用时"+((endTime-startTime)/1000)+"秒");
		
	}
 
 
 
运行结果:




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

“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