java jsonp 爬虫

最新推荐文章于 2024-04-16 17:59:28 发布

离别又见离别

最新推荐文章于 2024-04-16 17:59:28 发布

阅读量597

点赞数

文章标签： java 爬虫 javascript

本文链接：https://blog.csdn.net/weixin_43861630/article/details/130365820

版权

<dependency>
            <groupId>org.jsoup</groupId>
            <artifactId>jsoup</artifactId>
            <version>1.13.1</version>
        </dependency>


@Component
public class HtmlParseUtil {

//    public static void main(String[] args) throws IOException {
//
//        new HtmlParseUtil().parseJD("java").forEach(System.out::println);
//
//    }

    public  ArrayList<Content> parseJD(String keyword) throws IOException {
        //获得请求  https://search.jd.com/Search?keyword=java
        String url = "https://search.jd.com/Search?keyword="+keyword;
        //解析网页Jsoup.parse返回的document就是网页对象
        Document document = Jsoup.parse(new URL(url), 30000);
        //所有js中使用的方法这里都能用
        Element element = document.getElementById("J_goodsList");
        //获取所有的li元素
        Elements elements = element.getElementsByTag("li");
        //System.out.println(element.html());
        ArrayList<Content> goodsList = new ArrayList<>();
        //获取元素的内容
        for (Element el : elements) {
            //关于这种图片特别多的网站,所有图片都是延迟加载，懒加载
            //source-data-lazy-img  data-lazy-img
            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();

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

        }

        return goodsList;
    }

}