WebMagic爬取应用市场应用信息
程序员文章站
2022-05-02 20:50:40
...
WebMagic资料
官方教程 http://webmagic.io/docs/zh/
官方网址 http://webmagic.io/
代码实现
爬取华为应用市场应用信息,统计华为应用市场应用数量,启动20个线程,自定义MyPiple来保存数据。
AppStoreProcessor.java主类
import us.codecraft.webmagic.Page;
import us.codecraft.webmagic.Site;
import us.codecraft.webmagic.Spider;
import us.codecraft.webmagic.processor.PageProcessor;
import us.codecraft.webmagic.selector.Selectable;
/**
* @author wzj
* @create 2018-07-17 22:06
**/
public class AppStoreProcessor implements PageProcessor
{
// 部分一:抓取网站的相关配置,包括编码、抓取间隔、重试次数等
private Site site = Site.me().setRetryTimes(3).setSleepTime(100);
public void process(Page page)
{
//获取名称
String name = page.getHtml().xpath("//p/span[@class='title']/text()").toString();
page.putField("appName",name );
if (page.getResultItems().get("appName") == null)
{
//skip this page
page.setSkip(true);
}
//获取页面其他链接
Selectable links = page.getHtml().links();
page.addTargetRequests(links.regex("(http://app.hicloud.com/app/C\\d+)").all());
}
public Site getSite()
{
return site;
}
public static void main(String[] args)
{
Spider.create(new AppStoreProcessor())
.addUrl("http://app.hicloud.com")
.addPipeline(new MyPipeline())
.thread(20)
.run();
}
}
自定义Piple,将结果保存到D:\\cache\\appstore.txt中
import us.codecraft.webmagic.ResultItems;
import us.codecraft.webmagic.Task;
import us.codecraft.webmagic.pipeline.Pipeline;
import java.io.FileWriter;
import java.io.IOException;
/**
* @author wzj
* @create 2018-07-17 22:16
**/
public class MyPipeline implements Pipeline
{
/**
* 写入文件
*/
private FileWriter fileWriter;
/*
* 统计数目
*/
private int count = 1;
public MyPipeline()
{
try
{
this.fileWriter = new FileWriter("D:\\cache\\appstore.txt");
}
catch (IOException e)
{
e.printStackTrace();
}
}
/**
* Process extracted results.
*
* @param resultItems resultItems
* @param task task
*/
public void process(ResultItems resultItems, Task task)
{
String appName = resultItems.get("appName");
String content = String.valueOf(count) + " " + appName;
try
{
fileWriter.write(content);
fileWriter.write("\n");
fileWriter.flush();
}
catch (IOException e)
{
e.printStackTrace();
}
System.out.println(content);
count ++;
}
}
上一篇: 和前任分手两年了有可能复合吗
下一篇: 如果有来世我还等你
推荐阅读
-
区块链应用落地区域股权市场,电子信息产业恢复势头迅猛
-
用NodeJS实现一个网络爬虫小应用-爬取博客园首页文章列表
-
Python爬虫爬取简易网页采集器应用
-
爬取斗鱼LOL主播人气数据,并显示排行榜 [网络爬虫] [应用案例][请求头][模块]
-
python 爬取华为应用市场评论
-
BeautifulSoup与aiohttp的简单应用-爬取《网上中华五千年》音频
-
[Python & 爬虫]爬取微博热搜,并应用在QQ机器人实现定时播报
-
python实现地理位置类数据爬取与geohash应用初探
-
爬虫实战-使用Webmagic爬取51job的职位信息
-
【python爬虫专项(18)】基于爬虫的MongoDB的应用(将爬取的数据存入到数据库)