Java爬虫工具包（Jsoup）爬取网页代码

---

Java爬虫工具包（Jsoup）爬取网页代码

一、实现步骤

1、导入依赖pom.xml

<!--jSoup解析网页-->
 <!--解析网页jSoup-->
 <dependency>
     <groupId>org.jsoup</groupId>
     <artifactId>jsoup</artifactId>
     <version>1.15.3</version>
 </dependency>

2、编写实体类

package com.sgz.springboot.pc;

import lombok.AllArgsConstructor;
import lombok.Data;
import lombok.NoArgsConstructor;

@Data
@NoArgsConstructor
@AllArgsConstructor
public class Content {
    private String title;
    private String img;
    private String price;
}

3、编写主方法

package com.sgz.springboot.pc;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.net.URL;
import java.util.ArrayList;
import java.util.List;

/**
 * 爬虫
 * 爬取京东的网页
 */

public class HtmlParseUtil {
    public static void main(String[] args) throws Exception {

        // 传入要搜索的内容
        new HtmlParseUtil().parseJD("Java").forEach(System.out::println);

    }

    public List<Content> parseJD(String keywords) throws Exception{
        // 获取请求
        // 前提，需要联网
        String url = "https://search.jd.com/Search?keyword="+keywords;
        // 解析网页，（Jsoup返回Document就是Document对象）
        Document document = Jsoup.parse(new URL(url), 30000);
        // 所有你在js中可以使用的方法，这里都能用
        Element element = document.getElementById("J_goodsList");
        // System.out.println(element);
        // 获取所有的li元素
        Elements elements = element.getElementsByTag("li");

        ArrayList<Content> goodsList = new ArrayList<>();

        // 获取元素中的内容，这里的el就是每一个li的标签了
        for (Element el : elements) {
            // 关于这种图片特别多的网站，所有的图片都是延迟加载的
            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();

         /*   System.out.println("===========================================");
            System.out.println(img);
            System.out.println(price);
            System.out.println(title);*/

            Content content = new Content();
            content.setTitle(title);
            content.setPrice(price);
            content.setImg(img);
            goodsList.add(content);
        }

        return goodsList;

    }

}