jsoup如何爬取图片到本地

因为项目需求，需要车辆品牌信息和车系信息，昨天用一天时间研究了jsoup爬取网站信息。项目是用maven+spring+springmvc+mybatis写的。

 

这个是需要爬取网站的地址 https://car.autohome.com.cn/zhaoche/pinpai/

1.首先在pom.xml中添加依赖

因为需要把图片保存到本地所以又添加了commons-net包

<!-- https://mvnrepository.com/artifact/org.jsoup/jsoup -->
    <dependency>
      <groupid>org.jsoup</groupid>
      <artifactid>jsoup</artifactid>
      <version>1.10.3</version>
    </dependency>
<!-- https://mvnrepository.com/artifact/commons-net/commons-net -->
    <dependency>
      <groupid>commons-net</groupid>
      <artifactid>commons-net</artifactid>
      <version>3.3</version>
    </dependency>

2.爬虫代码的实现

@controller
@requestmapping("/car/")
public class carcontroller {
  //图片保存路径
  private static final string saveimgpath="c://imgs";
  /**
  * @title: insert 品牌名称 和图片爬取和添加
  * @description: 
  * @param @throws ioexception  
  * @return void  
  * @throws
  * @date 2018年1月29日 下午4:42:57
  */ 
  @requestmapping("add")
  public void insert() throws ioexception {
    //定义想要爬取数据的地址
    string url = "https://car.autohome.com.cn/zhaoche/pinpai/";
    //获取网页文本
    document doc = jsoup.connect(url).get();
    //根据类名获取文本内容
    elements elementsbyclass = doc.getelementsbyclass("uibox-con");
    //遍历类的集合
    for (element element : elementsbyclass) {
      //获取类的子标签数量
      int childnodesize_1 = element.childnodesize();
      //循环获取子标签内的内容
      for (int i = 0; i < childnodesize_1; i++) {
        //获取车标图片地址
        string tupian = element.child(i).child(0).child(0).child(0).child(0).attr("src");
        //获取品牌名称
        string pinpai = element.child(i).child(0).child(1).text();
        //输出获取内容看是否正确
        system.out.println("车标图片地址-----------" + tupian);
        system.out.println("品牌-----------" + pinpai);
        system.out.println();
        //把车标图片保存到本地
        string tupian_1 = "http:"+tupian;
        //连接url
        url url1 = new url(tupian_1);
        urlconnection uri=url1.openconnection();
        //获取数据流
        inputstream is=uri.getinputstream();
        //获取后缀名
        string imagename = tupian.substring(tupian.lastindexof("/") + 1,tupian.length());
        //写入数据流
        outputstream os = new fileoutputstream(new file(saveimgpath, imagename));
        byte[] buf = new byte[1024];
        int p=0;
        while((p=is.read(buf))!=-1){
          os.write(buf, 0, p);
        }
        /**
         * 因为每个品牌下有多个合资工厂
         * 比如一汽大众和上海大众还有进口大众
         * 所有需要循环获取合资工厂名称和旗下
         * 车系
         */
        
        //获取车系数量
        int childnodesize_2 = element.child(i).child(1).child(0).childnodesize();
        /**
         * 获取标签下子标签数量
         * 如果等于1则没有其他合资工厂
         */
        int childnodesize_3 = element.child(i).child(1).childnodesize();
        if(childnodesize_3==1){
          //循环获取车系信息
          for (int j = 0; j < childnodesize_2; j++) {
            string chexi = element.child(i).child(1).child(0).child(j).child(0).child(0).text();
            system.out.println("车系-----------" + chexi);
          }
        }else{
          /**
           * 如果childnodesize_3大于1
           * 则有多个合资工厂
           */
          //分别获取各个合资工厂旗下车系
          for (int j = 0; j < childnodesize_3; j++) {
            
            int childnodesize_4 = element.child(i).child(1).child(j).childnodesize();
            /**
             * 如果j是单数则是合资工厂名称
             * 否则是车系信息
             */
            int k = j%2;
            
            if(k==0){
              //获取合资工厂信息
              string hezipinpai = element.child(i).child(1).child(j).child(0).text();
              system.out.println("合资企业名称-----------" + hezipinpai);
            }else{
              //int childnodesize_5 = element.child(i).child(1).child(0).childnodesize();
              //循环获取合资工厂车系信息
              for(int l = 0; l < childnodesize_4; l++){
                string chexi = element.child(i).child(1).child(j).child(l).child(0).child(0).text();
                system.out.println("车系-----------" + chexi);
              }
            }
          }
          
        }
        
        system.out.println("************************");
        system.out.println("************************");
        
      }
    }
  }


}

3.运行结果

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。