使用maven实现有关Jsoup简单爬虫的步骤

一、jsoup的简介

jsoup 是一款java 的html解析器，可直接解析某个url地址、html文本内容。它提供了一套非常省力的api，可通过dom，css以及类似于jquery的操作方法来取出和操作数据

二、我们可以利用jsoup做什么

2.1从url，文件或字符串中刮取并解析html查找和提取数据，

2.2使用dom遍历或css选择器操纵html元素，属性和文本

2.3从而使我们输出我们想要的整洁文本

三、利用jsoup爬取某东示例

可以从图中看到，成功爬取某东的女装热门销量从高到低的标题，从而可以分析到销量高（或者是综合排序）在前列的标题名称。从而可以剖析出热门商品的命名规范。

四、jsoup用法

4.1先创建maven工程，在maven工程上注入依赖

4.2注入依赖后需要导入依赖，否则在程序中使用jsoup会全部报错。

4.3利用jsp的知识找出目标元素

如在某东界面我们发现， 控制目标页面的id为"plist"，则我们使用

getelementbyid("plist");方法去获取到他的id

接着获取目标标题，可以由上图分析得，标题是由<em>标签所控制，因此我们需要用到

getelementsbytag("em");去捕捉到em的部分

最后循环输出他的部分即可。

五、总结

jsoup只能应用于简单的页面捕捉，在实际开发中许多网站采用ajax技术等使得模块在动态变化抑或是有反爬虫技术，因此本技术有局限性。熟悉前端jsp技术的同学应该会游刃有余。

最后附上所有代码