Jsoup——抓取图片

10 篇文章 0 订阅

楔子

学习jsoup ,抓取图片作为练习
更多jsoup 参考https://jsoup.org/ 。英语不好的(说的就是我) http://www.open-open.com/jsoup/

注意

网页有防盗链
如果没有防盗链 FileUtils.copyURLToFile(url, new File("c://meizitu.jpg")); 就可以下载图片

防盗链

有些防盗链是采用Referer 实现的。针对此可以简单处理
String src = "http://img.mmjpg.com/2018/1305/1in1.jpg";
URL url = new URL(src);
URLConnection con = url.openConnection();
con.setConnectTimeout(5 * 1000);
String referer = url.getProtocol() + "://" + url.getHost();
con.setRequestProperty("Referer", referer);
System.out.println(referer);
FileUtils.copyInputStreamToFile(con.getInputStream(), new File("c://2.jpg"));

或者采用下面的
String referer = url.getProtocol() + "://" + url.getHost();
Connection ref = Jsoup.connect(url.toString()).ignoreContentType(true).referrer(referer);
Response execute = ref.execute();
BufferedInputStream bodyStream = execute.bodyStream();
FileUtils.copyInputStreamToFile(bodyStream, new File("c://1.jpg"));

这部分可以参考 https://stackoverflow.com/questions/13558448/jsoup-http-error-fetching-url
https://blog.csdn.net/lf_breeze/article/details/51862107
https://blog.csdn.net/u013123635/article/details/78447440

抓取图片

下面代码针对无需登录实现的
抓取图片,主要是2步骤:1是找到图片URL,2是下载图片
在 找图片URL过程繁琐一点。不过多数网页图片是固定的模版。

1:找URL

这里写图片描述
如图。图片在 id 为 pins 的ul 里面,依次找到 每个li,找到 每种图片的 url,然后在根据此url,继续找具体的 图片地址
这里写图片描述
根据上面的 地址,就可看到 图片的具体url.然后下载就行。

图片首页信息

package cn.zuzi.mzitu;

public class PageBean {

    /**
     * 网站首页
     */
    public static String  baseUrl="http://www.mzitu.com/";
    /**
     * 每页中 图片列表 div id
     */
    public static String pageIdString ="pins";
    /**
     * 图片 发布时间
     */
    public static String todayClassString="time";


}

构造图片实体类 此处省略 get set方法

package cn.zuzi.mzitu;
public class PicBean {
    static String picImgPostion = "main-image";
    /**
     * 分页位置
     */
    public static String picNumClass = "pagenavi";
    /**
     * 图片个数
     */
    private Integer picNum;
    /**
     * 图片标题
     */
    private String title;

    /**
     * 图片 base url
     */
    private String picBaseUrl;

    private String picPubDate;

}

下载需要的方法

package cn.zuzi.mzitu.utils;

import java.io.BufferedInputStream;
import java.io.File;
import java.io.IOException;
import java.net.URL;

import org.apache.commons.io.FileUtils;
import org.jsoup.Connection;
import org.jsoup.Jsoup;
import org.jsoup.Connection.Response;
import org.jsoup.select.Elements;

public class PicUtils {

    public static final String encoding = "UTF-8";
    public static final String SAVE_FILE = "d:/picc";

    /**
     * 获取 图片 页码数
     * @param content
     * @return
     */
    public static int getPicNum(String content) {

        Elements byTag = Jsoup.parse(content).getElementsByTag("a");
        String text = byTag.get(byTag.size() - 2).text();
        return Integer.parseInt(text);
    }

    public static void downPic(String urlStr, String fileName) {
        try {
            URL url = new URL(urlStr);
            String referer = url.getProtocol() + "://" + url.getHost();

            Connection ref = Jsoup.connect(url.toString()).ignoreContentType(true).referrer(referer);
            Response execute;

            execute = ref.execute();

            BufferedInputStream bodyStream = execute.bodyStream();
            FileUtils.copyInputStreamToFile(bodyStream, new File(SAVE_FILE,fileName));

        } catch (IOException e) {
            e.printStackTrace();
        }
    }

    /**
     * 获取文件后缀名
     * @param fileStr
     * @return
     */
    public static String getFieExtName(String fileStr){
        return fileStr.substring(fileStr.lastIndexOf("."));
    }

}

下载具体 图片

package cn.zuzi.mzitu.utils;


public class PicDownThread extends Thread {

    private String title;
    private String picPubDate;
    private String picdetailUrl;
    private int serial;

    public PicDownThread(String title, String picPubDate, String picdetailUrl, int serial) {
        this.title = title;
        this.picPubDate = picPubDate;
        this.picdetailUrl = picdetailUrl;
        this.serial = serial;
    }

    @Override
    public void run() {
        PicUtils.downPic(picdetailUrl, picPubDate + "/" + title + "/" + serial + PicUtils.getFieExtName(picdetailUrl));

    }

}

通过首页进入各个页面 查找需要信息

package cn.zuzi.mzitu;
import java.io.File;
import java.io.IOException;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import cn.zuzi.mzitu.utils.PicDownThread;
import cn.zuzi.mzitu.utils.PicUtils;
public class DownPicThread extends Thread {

    public PicBean picbean;

    public DownPicThread(PicBean picBean2) {
        this.picbean = picBean2;
    }

    @Override
    public void run() {
        String picBaseUrl = picbean.getPicBaseUrl();
        Document document;
        try {
            document = Jsoup.connect(picBaseUrl).get();
            String first_pic_src = getPicDetailUrl(document);

            String pageNumSti = document.getElementsByClass(picbean.picNumClass).get(0).toString();
            picbean.setPicNum(PicUtils.getPicNum(pageNumSti));

            // 下载第一张图片
            File file = new File(PicUtils.SAVE_FILE, picbean.getPicPubDate() + "/" + picbean.getTitle() + "/");
            if (!file.exists()) {
                file.mkdirs();
            }
            new PicDownThread(picbean.getTitle(), picbean.getPicPubDate(), first_pic_src, 1).start();

            // 下载其余图片
            for (int i = 1; i <= picbean.getPicNum(); i++) {
                Document docume = Jsoup.connect(picBaseUrl + "/" + i).get();
                String picDetailUrl = getPicDetailUrl(docume);
                new PicDownThread(picbean.getTitle(), picbean.getPicPubDate(), picDetailUrl, i + 1).start();
            }
        } catch (IOException e) {
            e.printStackTrace();
        }

    }

    /**
     * 获取 具体URL
     * 
     * @param document
     * @return
     */
    private String getPicDetailUrl(Document document) {
        return document.getElementsByClass(picbean.picImgPostion).get(0).getElementsByTag("img").get(0).attr("src");
    }
}

下载采集开始入口

package cn.zuzi.mzitu;

import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

import org.joda.time.DateTime;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class CollctPic {
    public static void main(String[] args) {
        DateTime dateTime = new DateTime();
        dateTime.toString("yyyy-MM-dd");
        List<PicBean> picBeanList = getPicList("2018-03-31");

        downPic(picBeanList);

    }

    /**
     * 下载图片
     * 
     * @param picBeanList
     */
    private static void downPic(List<PicBean> picBeanList) {

        for (PicBean picBean : picBeanList) {
            new DownPicThread(picBean).start();
        }

    }

    /**
     * 获取采集的地址
     * 
     * @return
     */
    private static List<PicBean> getPicList(String dateStr) {

        List<PicBean> list = new ArrayList<PicBean>();

        try {
            Document document = Jsoup.connect(PageBean.baseUrl).get();
            Element picUl = document.getElementById(PageBean.pageIdString);
            Elements picAndTime = picUl.getElementsByTag("li");
            for (Element element : picAndTime) {
                PicBean picBean = new PicBean();
                Elements spanELl = element.getElementsByTag("span");
                String attr = spanELl.get(0).getElementsByTag("a").get(0).attr("href");
                String title = spanELl.get(0).text();
                String date = spanELl.get(1).text();
                if (!dateStr.equals(date)) {
                    //获取首页的图片
                    // break;
                }
                picBean.setPicPubDate(date);
                picBean.setTitle(title);
                picBean.setPicBaseUrl(attr);
                list.add(picBean);
            }

        } catch (IOException e) {
            e.printStackTrace();
        }

        return list;
    }

}
  • 0
    点赞
  • 7
    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