我用java爬虫爬了一个图片网站

我用java爬虫爬了一个图片网站

最近想建立个网站，不想搞技术博客之类的网站了，因为像博客园还有csdn这种足够了。平时的问题也都是这些记录一下就够了。那搞个什么网站好玩呢？

看到一个图片网站还不错，里面好多图片（当然有xxx图片了....）哈哈，其实就是闲的，同时也介绍一下java爬虫的相关用法把。

1、首先呢，爬虫应该就是两种了，一种是动态的接口请求返回的数据，这种json解析或者其他解析一下获取自己需要的数据就可以了。

2、还有就是静态html的网页之类的。这种就需要解析html dom节点的数据。其实通俗点就是类似于 jquery 选择器，html数据解析成dom节点的数据,java里面有现成的类库

 

看下我根据爬取的图片生成的网站效果把(代码近期准备开源，随便搞搞)

原网站： 

生成的网站：

说明一下，这个博客网站，是修改的 https://github.com/winterchens/my-site

 

 

　　

需要的maven依赖，版本号自己去maven搜把

  　　<!--网页爬取-->
        <!--  http   -->
        <dependency>
            <groupid>org.apache.httpcomponents</groupid>
            <artifactid>httpclient</artifactid>
         
        </dependency>

        <dependency>
            <groupid>org.jsoup</groupid>
            <artifactid>jsoup</artifactid>

        </dependency>

 

接着介绍一下用法，

① 比如：爬取一个图片静态页面： https://www.yeitu.com/meinv/xinggan/20180919_14722.html

　　我们正常用jquery获取这个静态页面的标题（需要自己看dom节点的结构，用选择器获取）

 

 

 ② 接着，我们怎么用代码爬取这个呢？

用httpclient工具类，写一个get请求方法,最终返回一个string的html网页内容

 　　　　　　
　　　　　　　string　url="https://www.yeitu.com/meinv/xinggan/20180919_14722.html";
　　　　　　　httpget get = new httpget(url);// 设置参数
            builder customreqconf = requestconfig.custom();
            customreqconf.setconnecttimeout(conntimeout);
            customreqconf.setsockettimeout(sockettimeout);
            customreqconf.setconnectionrequesttimeout(requesttimeout);
            get.setconfig(customreqconf.build());
            get.addheader("connection", "close");
            httpresponse res;
            // 执行 http 请求.
            if (url.startswith("https")) {
                // 执行 https 请求.
                client = createsslinsecureclient();
                res = client.execute(get);
            } else {
                // 执行 http 请求.
                client = httpclientutil.client;
                res = client.execute(get);
            }
            return entityutils.tostring(res.getentity(), charset);

③、接着把 html内容转换一下

 document documentinner = jsoup.parse(htmlinner);

//这个就是图片中的jquery的选择器
 //$(".img_box").children("a").children("img").attr("alt");
//下面就是对应jsoup框架写法

 string firstalt = documentinner.select(".img_box").select("a").select("img").attr("alt");

 

总结一下，就是把jquery对应选择器的写法，写成jsoup框架的写法转换一下下。其实也没转换什么东西，自己操作一下就比较清晰了