项目中引入webMagic爬取一个网页

从http://webmagic.io/download.html下载的所有依赖jar包比较多，全部导入已有项目后容易出现冲突，可以只导入下面几个jar包 
 
然后写一个公用的方法供调用

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 WebMagic implements PageProcessor {

    private Site site = Site.me().setRetryTimes(3).setSleepTime(100);
    private static String issue;
    private static String jczq;


    @Override
    public void process(Page page) {
         page.putField("content",page.getHtml().xpath("//span[@id='bet_period']/text()").toString());
         if (page.getResultItems().get("content")==null){
             //skip this page
             page.setSkip(true);
         }
         //获得所需的内容
       issue = page.getHtml().xpath("//span[@id='bet_period']/text()").toString();
       //div[@class='dataBody  unAttention']/dl/dt/text()
       //表示类名为dataBody  unAttention的div元素下的dl元素下的dt元素的文本内容
       jczq = page.getHtml().xpath("//div[@class='dataBody  unAttention']/dl/dt/text()").toString() 
               + page.getHtml().xpath("//div[@class='dataBody  unAttention']/dl/dt/span/text()").toString();
    }

    @Override
    public Site getSite() {
        return site;
    }

    public static String issue(String url) {
         Spider.create(new WebMagic()).addUrl(url)
         .addPipeline(new ConsolePipeline()).thread(5).run();
         return issue;
    }
    public static String jczq(String url) {
     Spider.create(new WebMagic()).addUrl(url)
        .addPipeline(new ConsolePipeline()).thread(5).run();
     return jczq;
   }
}

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45

在其他类中中通过

String issue = WebMagic.issue("http://caipiao.163.com/order/dlt/");
String jczq = WebMagic.jczq("http://caipiao.163.com/order/preBet_jczqspfmixp.html");

• 1
• 2

可调用爬虫，得到爬取的值