android jsoup简书,jsoup爬虫简书首页数据做个小Demo

昨天LZ去面试，遇到一个大牛，被血虐一番，发现自己基础还是很薄弱，对java一些原理掌握的还是不够稳固，比如java反射注解，知道一点就是说不出来，很尴尬... 生命不止，学习不止啊

之前那个项目 QNews 用的是的第三方的数据平台，所以访问次数会有限制，这就很无奈。。。

每天只能请求100次....但是LZ这个穷屌丝也买不起服务器，所以就上网查，有什么别的方法可以获取数据，意外之间发现了jsoup这个强大的框架，就花了上午时间学习了一下，然后下午做了一个小Demo，功能比较单一，请见谅。

其实一开始的时候是想 爬今日头条的数据，但是发现数据总是为空，我估计是上锁了... 然后就把矛头转向了 简书，哈哈哈...果然简书就是好，数据直接就可以爬到了， 好开心啊！！ 项目地址

先演示一波动态图：

话说这个布局就花了我半个小时...

一些基础的我就不说了，就简单说明一下我的数据是如何爬到的。可以直接去看一下我的源码，写的比较仓促，一些细节没有处理好，多多指教。

1. 准备

1. 相关资料

2. 添加依赖

compile 'org.jsoup:jsoup:1.9.2'

3. 打开简书首页

在单个部分上 右击，然后点击检查选项(我用的是QQ浏览器，其他未尝试)，底部就会跳出网页的源码，并且会跟踪到这个item对应的源码。

从上图可以大概了解到每个

标签里的内容就是我们每个item的信息。

2. 爬数据

1. 获取 Document 对象

Document document = Jsoup.connect("http://www.jianshu.com/")

.timeout(10000)

.get();

这里通过建立与服务器的链接，并设置10s的超时连接来获取 Document 对象

2. 获取跟标签的 Elements 对象

Elements noteList = document.select("ul.note-list");

Elements li = noteList.select("li");

找到文章列表模块，发现

• 

1. 标题

就拿标题而言，直接在标题右击-->检查，即可，一目了然。然后我把数据截图一下。

String title = element.select("a.title").text()

通过 select 查询节点信息，然后.text 获取里面文本内容。

2. 头像：

String avatar = element.select("a.avatar").select("img").attr("src")

这个就是先找到头像 节点，然后图片节点，最后通过 attr 获取图片 url

3. 首页链接

String authorLink = element.select("a.blue-link").attr("abs:href")

这里注意 href 元素，他存放的就是跳转链接，不过是相对路径，这个时候就需要通过 attr("abs:href") 获取绝对路径。

其他 就 大同小异，其实我知道也就这么多，也是不断尝试通过打印得出来的，还是比较心酸的，比较没学过 js，不过对 js 挺有兴趣的。

3. 封装

剩下的就是将获取到的数据加载到bean对象中

1. 创建 bean 对象

public class JianshuBean {

private String authorName; // 作者

private String authorLink; // 作者链接

private String time; // 更新时间

private String primaryImg; // 主图

private String avatarImg; // 头像

private String title; // 标题

private String titleLink; // 标题链接

private String content; // 内容

private String collectionTagLink; // 专题链接

private String readNum; // 阅读量

private String talkNum; // 评论

private String likeNum; // 喜欢

private String collectionTag; // 专题

// ... get set

}

2. 将获取到的数据添加到集合中

for (Element element : li) {

JianshuBean bean = new JianshuBean();

bean.setAuthorName(element.select("div.name").text()); // 作者姓名

bean.setAuthorLink(element.select("a.blue-link").attr("abs:href")); // 作者首页链接

bean.setTime(element.select("span.time").attr("data-shared-at")); // 发表时间

bean.setPrimaryImg(element.select("img").attr("src")); // 主图

bean.setAvatarImg(element.select("a.avatar").select("img").attr("src")); // 头像

bean.setTitle(element.select("a.title").text()); // 标题

bean.setTitleLink(element.select("a.title").attr("abs:href")); // 标题链接

bean.setContent(element.select("p.abstract").text()); // 内容

bean.setCollectionTagLink(element.select("a.collection-tag").attr("abs:href")); // 专题链接

String[] text = element.select("div.meta").text().split(" ");

if (text[0].matches("[0-9]+")) {

bean.setReadNum(text[0]);

bean.setTalkNum(text[1]);

bean.setLikeNum(text[2]);

} else {

bean.setCollectionTag(text[0]);

bean.setReadNum(text[1]);

bean.setTalkNum(text[2]);

bean.setLikeNum(text[3]);

}

mBeans.add(bean);

}

再来看一下效果：

点击头像查看作者信息

点击图片或文字查看文章内容

点击专题查看专题内容

下拉刷新获取最新内容

希望大家多多支持我，谢谢！