Java获取CSDN博文数据
Java获取CSDN博文数据
系统:Win10
IDE:IntelliJ IDEA 2020.3.3
JDK:1.8.0_271
最近在做一个小项目,需要将自己的CSDN的博文数据加到项目里做成可视化的,其实也就是将CSDN的数据可视化,存储到本地数据库里,然后换一套UI显示
CSDN博客数据展示:
本地化项目数据展示:
不过这里的前期数据都是我查看当天CSDN数据后,手动存储到数据库里去的,非常的不人性化。
所以这里想偷懒做到可以自动获取当天数据,然后存储进数据库内。
机智如我就去找CSDN的客服小姐姐问有没有官方公开API可以获取用户的博客数据
嘿嘿,结果和我想的一样,并没有(不过客服的反馈速度还是很快的)
这时我就想到,博客数据页不是有这8个数据项么,我用java爬下来写入到数据库不就OK了,后来发现这博客数据页需要登录的session,再然后我又发现了获取数据的链接,可惜需要配置Request Headers信息,不支持ajax直接跨域获取
最终没有办法只能想办法根据页面爬数据了,进入用户信息页
https://blog.csdn.net/qq_35132089
点击切换旧版后,可以发现我们需要的信息都在
我们用Java获取该用户信息页的网页代码,然后打印出来,再根据总排名信息(鼠标放上去有详细排名),查到这一块的相关的代码块
// 获取 html 内容
private static String getHTML(String targetUrl) throws Exception {
URL url = new URL(targetUrl);
URLConnection conn = url.openConnection();
conn.setRequestProperty("User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64)"); // 添加请求头
InputStream is = conn.getInputStream(); // 获取输入流
InputStreamReader isr = new InputStreamReader(is);
BufferedReader br = new BufferedReader(isr);
String line = null;
StringBuffer buffer = new StringBuffer();
while ((line = br.readLine()) != null) {
buffer.append(line);
buffer.append("\n");
}
br.close();
isr.close();
is.close();
return buffer.toString();
}
我们再根据需要的信息,总结出对应的正则匹配规则,将我们需要的信息找出来,我这里需要的第一行带title的信息,因为里面有详细数据,所以正则表达式为
// 获取对应数据标签的正则表达式
private static String NumTagPattern = "<dl class=\"text-center\".*title=\"\\d*\">";
获取所有符合要求的标签的代码如下
// 匹配所有符合要求的标签
private static List<String> getNumTag(String html) {
Matcher matcher= Pattern.compile(NumTagPattern).matcher(html);
List<String> listNumTag=new ArrayList<String>();
while (matcher.find()){
listNumTag.add(matcher.group());
}
return listNumTag;
}
最后我们只需要将title内的详细数据信息提取出来就好了
// 匹配title和匹配其中数字的表达式
private static String TitlePattern = "title=\"\\d*\"";
private static String NumPattern = "[^0-9]";
获取对应标签内的详细数据的代码如下
// 获取title里面的数据
private static Integer getNum(String numTag) {
Matcher matcher = Pattern.compile(TitlePattern).matcher(numTag);
while (matcher.find()){
String title = matcher.group();
Matcher numMatch = Pattern.compile(NumPattern).matcher(title);
String numStr = numMatch.replaceAll("").trim();
int num = Integer.parseInt(numStr);
return num;
}
return 0;
}
最后一步就是将这些数据插入到数据库即可
效果演示