使用webmagic爬小说初试

这里尝试 书海

import us.codecraft.webmagic.Page;
import us.codecraft.webmagic.Request;
import us.codecraft.webmagic.Site;
import us.codecraft.webmagic.Spider;
import us.codecraft.webmagic.pipeline.JsonFilePipeline;
import us.codecraft.webmagic.processor.PageProcessor;
import us.codecraft.webmagic.selector.Selectable;

public class NovelProcessor implements PageProcessor {
	private Site site = Site.me().setRetryTimes(3).setRetrySleepTime(100);
	@Override
	public void process(Page page) {
		page.addTargetRequests(page.getHtml().links().regex("www.shuhai.com/read/([0-9]+)/([0-9]+).html").all());
		page.putField("title", page.getHtml().xpath("//div[@class='read_top']/h1/text()").toString());
		if (page.getResultItems().get("title") == null) {
			page.setSkip(true);
		} else {
			Selectable xpath = page.getHtml().xpath("//div[@class='txt fon_size']/");
			page.putField("content", NodesUtis.nodesToString(xpath));
		}
		for (Request req : page.getTargetRequests()) {
			System.out.println(req.getUrl());
		}
	}
	@Override
	public Site getSite() {
		return site;
	}
	public static void main(String[] args) {
		Spider.create(new NovelProcessor()).addUrl("http://www.shuhai.com/read/37504/")
				.addPipeline(new JsonFilePipeline("D:\\webmagic\\")).thread(5).run();
	}
}
import java.util.List;

import us.codecraft.webmagic.selector.Selectable;

public class NodesUtis {
	public static String nodesToString(Selectable xpath) {
		List<Selectable> nodes = xpath.nodes();
		String content = "";
		for(Selectable node:nodes) {
			content += node.xpath("//p/text()").toString();
		}
		return content;
	}
}

不过好像有点小问题,下次再改吧


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