Java爬取利用Jsoup网页内容

最新推荐文章于 2024-08-22 11:00:00 发布

IT劉同学

最新推荐文章于 2024-08-22 11:00:00 发布

阅读量202

点赞数

分类专栏： springBoot 文章标签： java 开发语言

本文链接：https://blog.csdn.net/qq_50730205/article/details/122983086

版权

springBoot 专栏收录该内容

6 篇文章 0 订阅

订阅专栏

该博客展示了如何利用Jsoup库从京东网站抓取指定关键词（如'python'）的商品信息。首先，导入Jsoup的Maven依赖，然后定义一个方法`parseJD`，该方法构造京东搜索链接并解析网页。通过查找特定的HTML元素，提取出商品图片、价格和名称，并将这些信息存储在Content对象中，最后返回一个Content对象列表。

摘要由CSDN通过智能技术生成

1.导入maven依赖(Jsoup)

<dependency>
  <groupId>org.jsoup</groupId>
  <artifactId>jsoup</artifactId>
  <version>1.11.3</version>
</dependency>

2.开整

public class HtmlParseUtil {
    public static void main(String[] args) throws Exception {
        new HtmlParseUtil().parseJD("python").forEach(System.out::println);
    }

    /**
     * 封装爬取京东方法
     * @param keywords
     * @return
     * @throws Exception
     */
    public List<Content> parseJD(String keywords) throws Exception{
        //网站链接
        String url="https://search.jd.com/Search?keyword="+keywords;
        //解析网页
        Document document = Jsoup.parse(new URL(url), 30000);
        //找到你想要元素 div
        Element element=document.getElementById("J_goodsList");
        System.out.println(element.html());
        //获取所有的li元素
        Elements elements = element.getElementsByTag("li");
        //创建list集合
        ArrayList<Content> goodsList = new ArrayList<>();
        //获取元素中的内容
        for (Element el : elements){
            String img=el.getElementsByTag("img").eq(0).attr("data-lazy-img");
            String price=el.getElementsByClass("p-price").eq(0).text();
            String title=el.getElementsByClass("p-name").eq(0).text();
            //创建对象并赋值
            Content content = new Content();
            content.setImg(img);
            content.setPrice(price);
            content.setTitle(title);
            goodsList.add(content);
        }
        return goodsList;
    }
}