案例3:获取天气预报信息
需求说明
搭建开发环境,实现从“hao123.com”中获取当地天气预报信息,从控制台输出结果
分析
访问网址:https://www.hao123.com
分析网站URL、文档内容特征
获取网页内容
拆分出需求内容
控制台输出结果
搭建WebMagic开发环境
示例代码
import us.codecraft.webmagic.Page;
import us.codecraft.webmagic.Site;
import us.codecraft.webmagic.Spider;
import us.codecraft.webmagic.pipeline.ConsolePipeline;
import us.codecraft.webmagic.processor.PageProcessor;
public class WeatherRepo implements PageProcessor{
// 部分一:抓取网站的相关配置,包括编码、抓取间隔、重试次数等
private Site site = Site.me().setRetryTimes(3).setSleepTime(1000);
@Override
// process是定制爬虫逻辑的核心接口,在这里编写抽取逻辑
public void process(Page page) {
// 部分二:定义如何抽取页面信息,并保存下来
page.putField("city",
page.getHtml().xpath("//span[@class='weather2-item']/text()").toString());
page.putField("info_today",
page.getHtml().xpath("//div[@data-hook='weather']/text()").toString());
page.putField("temperature_today",
page.getHtml().xpath("//div[@data-hook='tempera']/text()").toString());
page.putField("info_tomorrow",
page.getHtml().xpath("//div[@data-hook='weather-tomorrow']/text()").toString());
page.putField("temperature_tomorrow",
page.getHtml().xpath("//div[@data-hook='tempera-tomorrow']/text()").toString());
}
@Override
public Site getSite() {
return site;
}
public static void main(String[] args) {
Spider.create(new WeatherRepo())
//从"https://www.hao123.com"开始抓
.addUrl("https://www.hao123.com")
.addPipeline(new ConsolePipeline()) // 控制台输出
.run();
}
}
————————————————
超全面的测试IT技术课程,0元立即加入学习!有需要的朋友戳: