使用HttpClient和Jsoup进行简单数据抓取、解析

官网信息:

HttpClient:http://hc.apache.org/httpcomponents-client-5.0.x/index.html

Jsoup:https://jsoup.org/

功能:

   抓取 最新县及县以上行政区划代码 http://www.stats.gov.cn/tjsj/tjbz/xzqhdm/201703/t20170310_1471429.html

代码实例:

package zhua_qu_shu_qu;


import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStream;

import org.apache.http.HttpEntity;
import org.apache.http.client.methods.*;
import org.apache.http.impl.client.*;
import org.apache.http.util.EntityUtils;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class GrabUtil {

    String ctiyParent = "";//县,区,县级市的父级
    String parent = "";//地级市的父级
    
    int cityNum = 0 ; //省,直辖市的排序
    String cityNum1 = "" ; //地级市、县,区,县级市的排序(通过截取城市代码来获取)
    
    public static void main(String[] args) {
        GrabUtil gu = new GrabUtil();
        gu.grabData();
    }
    
    /**
     * 抓取数据
     */
    public void grabData() {
        
        String html = "";  //页面数据 
        
        //抓取的地址
        String url = "http://www.stats.gov.cn/tjsj/tjbz/xzqhdm/201703/t20170310_1471429.html";
        
        CloseableHttpClient httpclient = HttpClients.createDefault();
        CloseableHttpResponse response = null;
        
        try {
            HttpGet httpget = new HttpGet(url);
            response = httpclient.execute(httpget);
            
            // 获取响应实体
            HttpEntity entity = response.getEntity();
            // 打印响应状态
            if (entity != null) {
                html = EntityUtils.toString(entity , "UTF-8");
            }
            //提取数据
            extractData(html);
        } catch (Exception e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        } finally {
            try {
                response.close();
                httpclient.close();
            } catch (IOException e) {
                // TODO Auto-generated catch block
                e.printStackTrace();
            }
        }
        
        
    }

    /**
     * 根据响应的数据,通过Jsoup对数据进行提取
     */
    private void extractData(String html) throws FileNotFoundException,
            IOException {
        Document document = Jsoup.parse(html);
        
        //根据class,获取页面数据
        Elements elementsByClass = document.getElementsByClass("MsoNormal");
        //把数据吸入文件
        OutputStream out = new FileOutputStream(new File("F:/cityDB-2.txt"));

        for (Element e : elementsByClass) {
            String text = analyticData(e);
            
            out.write(text.getBytes());
            //txt 文本中换行
            out.write("\r\n".getBytes());
            System.out.println(text);
        }
    }

    /**
     * 解析数据,同时对数据进行响应的处理
     */
    private String analyticData(Element e) {
        //获取html 标签中的文本
        String text = e.text();
        return text;
    }
    
    
}

输出结果:







  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值