用webmagic写一个简单的网络爬虫

用webmagic写一个网络爬虫（不是注解）

引入的jar包：

具体代码如下：

import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.PrintWriter;
import java.util.ArrayList;
import java.util.Collections;
import java.util.Comparator;
import java.util.List;

import us.codecraft.webmagic.Page;
import us.codecraft.webmagic.Site;
import us.codecraft.webmagic.Spider;
import us.codecraft.webmagic.processor.PageProcessor;

/**
* @author ZFH
* @version 创建时间：2018年11月26日 下午2:47:08
*/
/**
* @author ZFH
* @version 创建时间：2018年11月17日 下午4:17:55
*/
public class WebmagicUtil implements PageProcessor{
	  //https://blog.csdn.net/zzzffhh/article/details/83111087
	/**
	*     爬取的列表页，页数。
	*/
	/**
	* 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().setSleepTime(1000).setRetryTimes(3);  
	/**
	* 爬取
	*/
	public void process(Page page) {

		//列表
		if(!(page.getUrl().regex("https://www.farpop.com/0_4/\\w+").match())) {
//			int i=10;
//			while(page.getHtml().xpath("//div[@id=\"list\"]/dl/dd["+i+"]/a").links().toString()!=null) {
//			String url = page.getHtml().xpath("//div[@id=\"list\"]/dl/dd["+i+"]/a").links().toString();
//			System.out.println("----"+url);
//			page.addTargetRequest(url);
//			i++;
//			}
			//和上面的等价
			List<String> list = page.getHtml().xpath("//div[@id=\"list\"]/dl/dd").links().all();
			page.addTargetRequests(list);
			
		}//详情页
		else {
		
//		String url = page.getHtml().xpath("//div[@class=\"bottem1\"]/a[3]").links().toString();
//		System.out.println(url);
//		page.addTargetRequest(url);
		String string = page.getHtml().xpath("//div[@class=\"bookname\"]/h1/text()").toString();
		String string1 = page.getHtml().xpath("//div[@id=\"content\"]/text()").toString();
		System.out.println(string);
//		System.out.println(string1);
		String fileStr = "E:\\456.txt";
		File file = new File(fileStr);
		try {
			PrintWriter output = new PrintWriter(new FileOutputStream(fileStr,true));
			//题目
			output.println(string);
			//内容
			output.println(string1);
			output.close();
		} catch (FileNotFoundException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
		
		}

	}

	/**
	* 设置属性
	*/
	public Site getSite() {
	   return site;
	}

	public static void main(String[] args) {
		/**设置代理
		 *  HttpClientDownloader httpClientDownloader = new HttpClientDownloader();
    		httpClientDownloader.setProxyProvider(SimpleProxyProvider.from(new Proxy("101.101.101.101",8888,"username","password")));
    		spider.setDownloader(httpClientDownloader);
		 */
	   System.out.println("开始爬取...");
	   //启动爬虫
	   Spider.create(new WebmagicUtil())
	           //添加初始化的URL
	           .addUrl("https://www.farpop.com/0_4/")
	           
//	           .addUrl("https://blog.csdn.net/zzzffhh/article/details/83111087")
	           //启动10个线程
	           .thread(1)
	           //运行 
	           .run();
//	   SpiderMonitor.instance().register("");//监控爬虫
	   System.out.println("爬取结束");
	}

}

对应的网页：

官网文档：
http://webmagic.io/docs/zh/