java jsoup 爬取漫画

首先添加jsoup依赖

        <dependency>
            <groupId>org.jsoup</groupId>
            <artifactId>jsoup</artifactId>
            <version>1.13.1</version>
        </dependency>

爬取的网站

在这里插入图片描述
废话不多说,直接上代码。

package com.cong.paCong;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import javax.swing.filechooser.FileSystemView;
import java.io.*;
import java.net.URL;
import java.net.URLConnection;
import java.util.*;
import java.util.concurrent.atomic.AtomicReference;
import java.util.stream.Collectors;


/**
 * 土豪漫画 www.zhwsxx.com
 * extends paCongUtils
 */
public class zhwsxxCom {
    /**
     * 获取电脑桌面路径
     */
    public static String top = FileSystemView.getFileSystemView().getHomeDirectory().getPath() + "\\manHua";
    /*爬取网站*/
    public static final String URL = "https://zhwsxx.com";
    /*爬取漫画地址*/
    public static final String manhua_url = "https://zhwsxx.com/book/1";
    /*漫画名称*/
    public static final String name = "斗破苍穹";


    public static void main(String[] args) {

        getChapter(manhua_url).forEach((key, value) -> {
            List<String> page = getPage(value);
            for (int i = 0; i < page.size(); i++) {
                setUrl(page.get(i), name, key, i);
            }
        });


    }

    /**
     * 获取可以下载图片最多的地址
     *
     * @param dis
     * @return
     */
    public static List<String> getPage(String dis) {
        /*储存 图片地址 key 可以下载的图片数量 value 图片地址*/
        LinkedHashMap<Long, List<String>> linkedHashMap = new LinkedHashMap<>();
        /*将多个url 拆分*/
        String[] split = dis.split(",");

        for (int i = 0; i < split.length; i++) {

            if (split[i] != "" && split[i] != null) {
                /*通过url 获取 下载图片的url */
                List<String> urlList = getUrlList(split[i]);

                System.err.println(split[i]);
                /*判断可以下载的图片 url */
                Long number = urlList.stream().filter((e) -> URLWhether(e)).count();

                System.err.println(number);
                /*添加进map中*/
                linkedHashMap.put(number, urlList);

            }
        }
        /*把map 的key 转换为 list 并且排序查出最大数*/
        Long aLong = linkedHashMap.entrySet().stream().map((e) -> e.getKey()).max(Comparator.naturalOrder()).get();

        System.err.println(aLong);
        /*返回*/
        return linkedHashMap.get(aLong);
    }

    /**
     * 获取图片路径
     *
     * @param url
     * @return
     */
    public static List<String> getUrlList(String url) {
        List<String> list = new ArrayList<>();
        /*获取 html代码*/
        Document document = jsoupGet(url);
        /*获取 装有 漫画篇章地址的盒子*/
        Element content = document.getElementById("content");
        /*解析出img标签*/
        Elements select = content.select(".comiclist .comicpage div img");
        select.forEach((e) -> {
            /*获取 图片路径*/
            list.add(e.attr("data-original"));
        });
        /*返回*/
        return list;
    }

    /*获取篇章*/
    public static LinkedHashMap<String, String> getChapter(String url) {
        /*获取html*/
        Document document = jsoupGet(url);
        /*获取篇章盒子*/
        Element elementById = document.getElementById("detail-list-select");
        /*获取篇章地址*/
        Elements select = elementById.select("li > a");
        /*保存篇章章节名称*/
        LinkedHashMap<String, LinkedHashMap<String, String>> list = new LinkedHashMap<>();
        /*储存篇章与地址数据*/
        LinkedHashMap<String, String> map = new LinkedHashMap<>();
        /*遍历篇章*/
        for (int i = 0; i < select.size(); i++) {
            /*获取地址*/
            String href = select.get(i).attr("href");
            /*获取名称*/
            String text = select.get(i).text().replace(" ", "");
            if (map.get(text) != null) {
                map.put(text, map.get(text) + "," + URL + href);
            } else {
                map.put(text, URL + href);
            }
        }

        map.forEach((key, value) -> {
            /*去掉中文 只保留数字*/
            String strTurnNumber = getStrTurnNumber(key);
            /*判断篇章名称是否已经存在*/
            String trim = strTurnNumber.equals("") ? "" : Integer.valueOf(strTurnNumber).toString();
            /*获取 map key中最后一位*/
            Integer max = getMax(list);

            if (max == null || trim == "" || Integer.valueOf(trim) >= max) {
                if (trim == "" || !getUseless(key)) {
                    LinkedHashMap linkedHashMap = new LinkedHashMap();
                    linkedHashMap.put(key, value);
                    list.put(key.replace(":", "").replace(" ", ""), linkedHashMap);
                } else if (list.get(trim) != null) {
                    LinkedHashMap linkedHashMap = new LinkedHashMap();
                    linkedHashMap.putAll(list.get(trim));
                    linkedHashMap.put(key, value);
                    list.put(trim, linkedHashMap);
                } else {
                    LinkedHashMap linkedHashMap = new LinkedHashMap();
                    linkedHashMap.put(key, value);
                    list.put(trim, linkedHashMap);
                }
            }
        });

        LinkedHashMap<String, String> linkedHashMap = new LinkedHashMap<>();

        Integer finalMax = getMax(list);

        final boolean[] bool = {true};

        list.forEach((key, value) -> {

            if (bool[0]) {

                StringBuffer strK = new StringBuffer();

                StringBuffer strV = new StringBuffer();

                AtomicReference<Integer> number = new AtomicReference<>(0);

                value.forEach((k, v) -> {
                    if (number.get() == 0) {
                        number.getAndSet(number.get() + 1);
                        strK.append(k);
                    }
                    strV.append(v + ",");
                });

                linkedHashMap.put(strK.toString().replace("话", "话 "), strV.toString());
            }

            if (finalMax != null && bool[0] == true) {

                bool[0] = key.equals(String.valueOf(finalMax)) ? false : true;
            }
        });

        return linkedHashMap;
    }

    /**
     * 获取map key中最大数字
     *
     * @param list
     * @return
     */
    public static Integer getMax(LinkedHashMap<String, LinkedHashMap<String, String>> list) {
        Integer max = null;

        List<Integer> collect = list.entrySet().stream().map((e) -> e.getKey())
                .filter((e) -> e.length() != 0 && isNumeric(e))
                .map((e) -> Integer.valueOf(e)).collect(Collectors.toList());

        if (collect.size() != 0) {
            max = collect.stream().max(Comparator.naturalOrder()).get();
        }
        return max;
    }

    /**
     * 判断等于是不是无关紧要的篇章
     *
     * @param str
     * @return
     */
    public static boolean getUseless(String str) {
        String[] arr = {"请假条", "请假", "2020年", "2021年", "新年", "下"};
        for (int i = 0; i < arr.length; i++) {
            if (str.indexOf(arr[i]) != -1) {
                return false;
            }
        }
        return true;
    }


    /**
     * 获取字符串中的数字
     *
     * @return
     */
    public static String getStrTurnNumber(String text) {

        List<String> list = new ArrayList<>(Arrays.asList(new String[]{"一", "二", "三", "四", "五", "六", "七", "八", "九", "十", "百", "千", "万", "亿", "零"}));

        if (text == "" || text == null || text.length() == 0) {
            return "";
        }

        StringBuffer buffer = new StringBuffer();

        Integer number = 0;

        /*去掉中文 只保留数字*/
        for (int i = 0; i < text.length(); i++) {

            char c = text.charAt(i);
            /*判断是否是数字*/
            if (Character.isDigit(c)) {
                buffer.append(c);
                number++;
                continue;
            } else {
                /*如果不是数字在判断是不是中文数字*/
                if (list.contains(String.valueOf(c)) && text.substring(0, 1).equals("第")) {
                    buffer.append(c);
                    number++;
                    continue;
                }
            }
            if (number > 0) {
                break;
            }
        }
        /*最后是形态如 45 或 四十五*/
        String string = buffer.toString().trim();
        /*判断是否是中文数字*/
        if (string != "" && string != null && string.length() != 0 && list.contains(string.substring(0, 1))) {
            /*如果是中文数字 转换*/
            string = String.valueOf(chineseNumberInt(string));
        }

        return string;
    }


    /**
     * 下载图片方法    chapter代表几张 page第几页
     *
     * @param url        图片地址
     * @param chapter    图片 章节 名称
     * @param ManHuaName 漫画 名称
     * @param page       第几章的几页
     * @throws IOException
     */
    public static void setUrl(String url, String ManHuaName, String chapter, int page) {
        System.err.println("下载图片方法" +
                " url=:" + url + "" +
                " chapter=:" + chapter +
                " page=:" + page);
        InputStream reader = null;
        OutputStream writer = null;
        try {
            /*创建网络连接*/
            java.net.URL http = new URL(url);
            /*连接数据*/
            URLConnection tion = null;

            tion = http.openConnection();

            /*读取数据*/
            reader = tion.getInputStream();
            /*存放图片文件夹 一级文件夹*/
            File file = new File(top + "\\" + ManHuaName + "\\" + chapter);

            /*文件不存在*/
            if (!file.exists()) {
                /*创建文件*/
                file.mkdirs();
            }

            /*写*/
            writer = new FileOutputStream(file + "\\第" + page + "页" + ".jpg");
            /*每次读取的字节长度*/
            int n = 0;
            /*存储每次读取的内容*/
            byte[] bb = new byte[1024];
            while ((n = reader.read(bb)) != -1) {
                /*将读取的内容,写入到输出流当中*/
                writer.write(bb, 0, n);
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
        /*关闭流*/
        getClose(writer);
        getClose(reader);
    }

    /**
     * 关闭留的方法
     *
     * @param closeable
     */
    public static void getClose(Closeable closeable) {
        try {
            if (closeable == null) {
                closeable.close();
            }
        } catch (IOException e) {
            System.err.println("关闭流出错了");
            e.printStackTrace();

        }
    }

    /**
     * 判断 网络资源是否存在
     *
     * @param urlName
     * @return
     */
    public static boolean URLWhether(String urlName) {

        try {
            URL url = new URL(urlName);
            // 返回一个 URLConnection 对象,它表示到 URL 所引用的远程对象的连接。
            URLConnection uc = url.openConnection();
            // 打开的连接读取的输入流。
            InputStream in = uc.getInputStream();
            return true;
        } catch (Exception e) {
            return false;
        }
    }

    /**
     * 爬取网页
     * 由于需要重复利用jsoup爬取 封装成一个方法减少代码量
     * 使用jsoup需要导maven依赖
     * <!--解析html使用-->
     * <dependency>
     * <groupId>org.jsoup</groupId>
     * <artifactId>jsoup</artifactId>
     * <version>1.9.2</version>
     * </dependency>
     *
     * @param url
     * @return
     * @throws IOException
     */
    public static Document jsoupGet(String url) {
        Document doc = null;
        try {
            doc = Jsoup.connect(url).timeout(500000).header("Accept", "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8")
                    .header("Accept-Encoding", "gzip, deflate, sdch").header("Accept-Language", "zh-CN,zh;q=0.8")
                    .header("Accept-Language", "zh-CN,zh;q=0.8")
                    .header("User-Agent", "Mozilla/31.0 (compatible; MSIE 10.0; Windows NT; DigExt)")
                    .header("User-Agent", "Mozilla/4.0 (compatible; MSIE 5.0; Windows NT; DigExt)")
                    .header("User-Agent", "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36").get();
        } catch (IOException e) {
            e.printStackTrace();
        }
        return doc;
    }

    /**
     * 判断是否是数字
     *
     * @param str
     * @return
     */
    public static boolean isNumeric(String str) {
        for (int i = 0; i < str.length(); i++) {
            if (!Character.isDigit(str.charAt(i))) {
                return false;
            }
        }
        return true;
    }

    /**
     * 中文数字转换阿拉伯数字
     *
     * @param chineseNumber
     * @return
     */
    public static int chineseNumberInt(String chineseNumber) {
        int result = 0;
        int temp = 1;//存放一个单位的数字如:十万
        int count = 0;//判断是否有chArr
        char[] cnArr = new char[]{'一', '二', '三', '四', '五', '六', '七', '八', '九'};
        char[] chArr = new char[]{'十', '百', '千', '万', '亿'};
        for (int i = 0; i < chineseNumber.length(); i++) {
            boolean b = true;//判断是否是chArr
            char c = chineseNumber.charAt(i);
            for (int j = 0; j < cnArr.length; j++) {//非单位,即数字
                if (c == cnArr[j]) {
                    if (0 != count) {//添加下一个单位之前,先把上一个单位值添加到结果中
                        result += temp;
                        temp = 1;
                        count = 0;
                    }
                    // 下标+1,就是对应的值
                    temp = j + 1;
                    b = false;
                    break;
                }
            }
            if (b) {//单位{'十','百','千','万','亿'}
                for (int j = 0; j < chArr.length; j++) {
                    if (c == chArr[j]) {
                        switch (j) {
                            case 0:
                                temp *= 10;
                                break;
                            case 1:
                                temp *= 100;
                                break;
                            case 2:
                                temp *= 1000;
                                break;
                            case 3:
                                temp *= 10000;
                                break;
                            case 4:
                                temp *= 100000000;
                                break;
                            default:
                                break;
                        }
                        count++;
                    }
                }
            }
            if (i == chineseNumber.length() - 1) {//遍历到最后一个字符
                result += temp;
            }
        }
        return result;
    }
}

运行结果:在这里插入图片描述
下载结果:在这里插入图片描述
在这里插入图片描述
其实代码的注解已经讲的比较清楚了。我就不多讲了,修改一下url就可以爬这个网站其他漫画了

  • 2
    点赞
  • 4
    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