快捷導(dǎo)航

Java獲取網(wǎng)頁數(shù)據(jù)步驟方法詳解

更新時間：2020年03月25日 14:33:28 作者：摘星族

這篇文章主要介紹了Java獲取網(wǎng)頁數(shù)據(jù)步驟方法詳解,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

在很多行業(yè)當中，我們需要對行業(yè)進行分析，就需要對這個行業(yè)的數(shù)據(jù)進行分類，匯總，及時分析行業(yè)的數(shù)據(jù)，對于公司未來的發(fā)展，有很好的參照和橫向?qū)Ρ?。面前通過網(wǎng)絡(luò)進行數(shù)據(jù)獲取是一個很有效而且快捷的方式。
首先我們來簡單的介紹一下，利用java對網(wǎng)頁數(shù)據(jù)進行抓取的一些步驟，有不足的地方，還望指正，哈哈。屁話不多說了。

其實一般分為以下步驟：

1：通過HttpClient請求到達某網(wǎng)頁的url訪問地址（特別需要注意的是請求方式）

2：獲取網(wǎng)頁源碼

3：查看源碼是否有我們需要提取的數(shù)據(jù)

4：對源碼進行拆解，一般使用分割，正則或者第三方j(luò)ar包

5：獲取需要的數(shù)據(jù)對自己創(chuàng)建的對象賦值

6：數(shù)據(jù)提取保存

下面簡單的說一下在提取數(shù)據(jù)中的部分源碼，以及用途：

/**
   * 向指定URL發(fā)送GET方法的請求
   *
   * @param url
   *      發(fā)送請求的URL
   * @param param
   *      請求參數(shù)，請求參數(shù)應(yīng)該是 name1=value1&name2=value2 的形式。
   * @return URL 所代表遠程資源的響應(yīng)結(jié)果
   */
  public static String sendGet(String url, String param) {
    String result = "";
    BufferedReader in = null;
    try {
      String urlNameString = url;
      URL realUrl = new URL(urlNameString);
      // 打開和URL之間的連接
      URLConnection connection = realUrl.openConnection();
      // 設(shè)置通用的請求屬性
      connection.setRequestProperty("accept", "*/*");
      connection.setRequestProperty("connection", "Keep-Alive");
      connection.setRequestProperty("user-agent",
          "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1;SV1)");
      // 建立實際的連接
      connection.connect();
      // 獲取所有響應(yīng)頭字段
      Map<String, List<String>> map = connection.getHeaderFields();

      // 定義 BufferedReader輸入流來讀取URL的響應(yīng)
      in = new BufferedReader(new InputStreamReader(
          connection.getInputStream())); //這里如果出現(xiàn)亂碼，請使用帶編碼的InputStreamReader構(gòu)造方法，將需要的編碼設(shè)置進去
      String line;
      while ((line = in.readLine()) != null) {
        result += line;
      }
    } catch (Exception e) {
      System.out.println("發(fā)送GET請求出現(xiàn)異常！" + e);
      e.printStackTrace();
    }
    // 使用finally塊來關(guān)閉輸入流
    finally {
      try {
        if (in != null) {
          in.close();
        }
      } catch (Exception e2) {
        e2.printStackTrace();
      }
    }
    return result;
  }

解析存儲數(shù)據(jù)

public Bid getData(String html) throws Exception {
    //獲取的數(shù)據(jù)，存放在到Bid的對象中，自己可以重新建立一個對象存儲
    Bid bid = new Bid();
    //采用Jsoup解析
    Document doc = Jsoup.parse(html);
    // System.out.println("doc內(nèi)容" + doc.text());
    //獲取html標簽中的內(nèi)容tr
    Elements elements = doc.select("tr");
    System.out.println(elements.size() + "****條");
    //循環(huán)遍歷數(shù)據(jù)
    for (Element element : elements) {
      if (element.select("td").first() == null){
        continue;
      }
      Elements tdes = element.select("td");
      for(int i = 0; i < tdes.size(); i++){
        this.relation(tdes,tdes.get(i).text(),bid,i+1);
      }
    }
    return bid;
  }

得到的數(shù)據(jù)

Bid {
  h2 = '詳見內(nèi)容', 
   itemName = '訴訟服務(wù)中心設(shè)備采購',
   item = '貨物/辦公消耗用品及類似物品/其他辦公消耗用品及類似物品', 
   itemUnit = '詳見內(nèi)容', 
   areaName = '港北區(qū)', 
   noticeTime = '2018年10月22日 18:41',
   itemNoticeTime = 'null',
   itemTime = 'null',
   kaibiaoTime = '2018年10月26日 09:00', 
   winTime = 'null',
   kaibiaoDiDian = 'null', 
   yusuanMoney = '￥67.00元（人民幣）', 
   allMoney = 'null', 
   money = 'null', 
   text = ''
}

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: