使用maven實(shí)現(xiàn)有關(guān)Jsoup簡(jiǎn)單爬蟲的步驟
一、Jsoup的簡(jiǎn)介
jsoup 是一款Java 的HTML解析器，可直接解析某個(gè)URL地址、HTML文本內(nèi)容。它提供了一套非常省力的API，可通過DOM，CSS以及類似于jQuery的操作方法來取出和操作數(shù)據(jù)
二、我們可以利用Jsoup做什么
2.1從URL，文件或字符串中刮取并解析HTML查找和提取數(shù)據(jù)，
2.2使用DOM遍歷或CSS選擇器操縱HTML元素，屬性和文本
2.3從而使我們輸出我們想要的整潔文本
三、利用Jsoup爬取某東示例
可以從圖中看到，成功爬取某東的女裝熱門銷量從高到低的標(biāo)題，從而可以分析到銷量高（或者是綜合排序）在前列的標(biāo)題名稱。從而可以剖析出熱門商品的命名規(guī)范。
四、Jsoup用法
4.1先創(chuàng)建maven工程，在maven工程上注入依賴
4.2注入依賴后需要導(dǎo)入依賴，否則在程序中使用Jsoup會(huì)全部報(bào)錯(cuò)。
4.3利用JSP的知識(shí)找出目標(biāo)元素
如在某東界面我們發(fā)現(xiàn)， 控制目標(biāo)頁面的ID為"plist"，則我們使用
getElementById("plist");方法去獲取到他的ID
接著獲取目標(biāo)標(biāo)題，可以由上圖分析得，標(biāo)題是由<em>標(biāo)簽所控制，因此我們需要用到
getElementsByTag("em");去捕捉到em的部分
最后循環(huán)輸出他的部分即可。
五、總結(jié)
Jsoup只能應(yīng)用于簡(jiǎn)單的頁面捕捉，在實(shí)際開發(fā)中許多網(wǎng)站采用Ajax技術(shù)等使得模塊在動(dòng)態(tài)變化抑或是有反爬蟲技術(shù)，因此本技術(shù)有局限性。熟悉前端jsp技術(shù)的同學(xué)應(yīng)該會(huì)游刃有余。
最后附上所有代碼
以上就是使用maven實(shí)現(xiàn)有關(guān)Jsoup簡(jiǎn)單爬蟲的步驟的詳細(xì)內(nèi)容，更多關(guān)于maven實(shí)現(xiàn)Jsoup爬蟲的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
Java詳解對(duì)象終止方法finalize()的用法
在前面的 jvm 中, 需要補(bǔ)充幾個(gè)部分的內(nèi)容, 接著來看 finalize() 機(jī)制, 它可以使接近死亡的對(duì)象復(fù)活, 下來我們來看是怎么一回事2022-05-05
本篇文章主要介紹了在SpringBoot中使用Logback管理記錄日志，小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧2021-09-09
java面向國(guó)際化項(xiàng)目開發(fā)需遵循的命名規(guī)范
這篇文章主要為大家介紹了在參與開發(fā)國(guó)際化項(xiàng)目時(shí)需遵循的java命名規(guī)范，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步2022-03-03
java servlet獲得客戶端相關(guān)信息的簡(jiǎn)單代碼
這篇文章主要介紹了java servlet獲得客戶端相關(guān)信息的簡(jiǎn)單代碼，有需要的朋友可以參考一下2013-12-12
將Java程序打包為為.exe文件分為倆個(gè)步驟：將Java程序打包成Jar包和打包為.exe文件,文中通過圖文結(jié)合的方式給大家講解的非常詳細(xì),具有一定的參考價(jià)值,需要的朋友可以參考下2024-06-06
詳解Java如何實(shí)現(xiàn)數(shù)值校驗(yàn)的算法
給定一個(gè)字符串如何判斷它是否為數(shù)值類型？本文將帶著大家學(xué)習(xí)一下如何利用Java實(shí)現(xiàn)這個(gè)判斷算法，感興趣的小伙伴可以學(xué)習(xí)一下2022-04-04
SpringBoot+SpringSecurity+jwt實(shí)現(xiàn)驗(yàn)證
本文主要介紹了SpringBoot+SpringSecurity+jwt實(shí)現(xiàn)驗(yàn)證，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-07-07
Eureka?服務(wù)注冊(cè)中心，主要用于提供服務(wù)注冊(cè)功能，當(dāng)微服務(wù)啟動(dòng)時(shí)，會(huì)將自己的服務(wù)注冊(cè)到?Eureka?Server，這篇文章主要介紹了SpringCloud中Eureka的配置及詳細(xì)使用,需要的朋友可以參考下2023-01-01
這篇文章主要介紹了java對(duì)象持久化保存的方法詳解,在java應(yīng)用開發(fā)的過程中，經(jīng)常遇到需要持久保存java對(duì)象的情況,比如：用戶信息、博客評(píng)論內(nèi)容等等,本文針對(duì)java對(duì)象的持久化保存方法進(jìn)行討論，簡(jiǎn)述各個(gè)方法的優(yōu)劣,需要的朋友可以參考下2023-07-07
這篇文章主要介紹了理解JPA注解@GeneratedValue的使用方法，小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧2018-07-07