欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

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 ++;
    }
}