由于项目需要,特研究了一段时间关于java爬虫的相关技术,发现一个比较好用的爬虫框架--WebMagic,只需少量代码即可实现一个爬虫,本项目就是基于它的一个简单实现,导入项目即可运行,项目只有两个类,一个用于抓取,一个用于处理抓取到的数据,存入数据库或导出到excel等(只打印到控制台,后续自己发挥),简单吧,代码真的很少
代码片段和文件信息
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2016-12-14 10:22 spider
文件 2829 2016-12-14 16:13 spider.classpath
文件 382 2016-12-14 10:21 spider.project
目录 0 2016-12-14 10:24 spider.settings
文件 103 2016-12-14 12:08 spider.settingsorg.eclipse.core.resources.prefs
文件 598 2016-12-14 10:21 spider.settingsorg.eclipse.jdt.core.prefs
目录 0 2016-12-14 16:13 spiderin
目录 0 2016-12-14 16:13 spiderinpipeline
文件 1036 2016-12-23 11:28 spiderinpipelineHdPipeline.class
目录 0 2016-12-23 11:27 spiderinprocessor
文件 8282 2016-12-23 11:33 spiderinprocessorHdProcessor.class
目录 0 2016-12-14 16:12 spiderlib
文件 576338 2016-12-14 10:22 spiderlibassertj-core-1.5.0.jar
文件 2902942 2016-09-29 10:03 spiderlibcprov-jdk15on-1.52.jar
文件 188671 2016-12-14 16:12 spiderlibcommons-beanutils-1.7.0.jar
文件 232771 2016-12-14 10:22 spiderlibcommons-codec-1.6.jar
文件 259600 2016-09-29 10:10 spiderlibcommons-codec-1.7.jar
文件 559366 2016-12-14 16:12 spiderlibcommons-collections-3.1.jar
文件 575389 2016-12-14 10:22 spiderlibcommons-collections-3.2.1.jar
文件 87776 2016-12-14 10:22 spiderlibcommons-io-1.3.2.jar
文件 159509 2016-09-01 10:57 spiderlibcommons-io-2.0.1.jar
文件 279193 2016-12-14 16:12 spiderlibcommons-lang-2.5.jar
文件 284220 2016-12-14 10:22 spiderlibcommons-lang-2.6.jar
文件 315805 2016-12-14 10:22 spiderlibcommons-lang3-3.1.jar
文件 62050 2016-12-14 10:22 spiderlibcommons-logging-1.1.3.jar
文件 61829 2016-08-18 14:33 spiderlibcommons-logging-1.2.jar
文件 45405 2016-12-14 16:12 spiderlibcommons-logging.jar
文件 96221 2016-08-10 16:37 spiderlibcommons-pool-1.5.4.jar
文件 100193 2016-12-14 10:22 spiderlibcommons-pool-1.5.5.jar
文件 77826 2016-12-14 16:12 spiderlibezmorph-1.0.3.jar
文件 356654 2016-12-14 10:22 spiderlibfastjson-1.1.37.jar
............此处省略26个文件信息
package pipeline;
import java.util.Map;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import us.codecraft.webmagic.ResultItems;
import us.codecraft.webmagic.Task;
import us.codecraft.webmagic.pipeline.Pipeline;
public class HdPipeline implements Pipeline {
private Logger logger = LoggerFactory.getLogger(HdPipeline.class);
@Override
public void process(ResultItems resultItems Task task) {
//处理抓取到的数据或存入数据库
Map resultMap = (Map) resultItems.get(“resultMap“);
System.out.println(resultMap);
}
}
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2016-12-14 10:22 spider
文件 2829 2016-12-14 16:13 spider.classpath
文件 382 2016-12-14 10:21 spider.project
目录 0 2016-12-14 10:24 spider.settings
文件 103 2016-12-14 12:08 spider.settingsorg.eclipse.core.resources.prefs
文件 598 2016-12-14 10:21 spider.settingsorg.eclipse.jdt.core.prefs
目录 0 2016-12-14 16:13 spiderin
目录 0 2016-12-14 16:13 spiderinpipeline
文件 1036 2016-12-23 11:28 spiderinpipelineHdPipeline.class
目录 0 2016-12-23 11:27 spiderinprocessor
文件 8282 2016-12-23 11:33 spiderinprocessorHdProcessor.class
目录 0 2016-12-14 16:12 spiderlib
文件 576338 2016-12-14 10:22 spiderlibassertj-core-1.5.0.jar
文件 2902942 2016-09-29 10:03 spiderlibcprov-jdk15on-1.52.jar
文件 188671 2016-12-14 16:12 spiderlibcommons-beanutils-1.7.0.jar
文件 232771 2016-12-14 10:22 spiderlibcommons-codec-1.6.jar
文件 259600 2016-09-29 10:10 spiderlibcommons-codec-1.7.jar
文件 559366 2016-12-14 16:12 spiderlibcommons-collections-3.1.jar
文件 575389 2016-12-14 10:22 spiderlibcommons-collections-3.2.1.jar
文件 87776 2016-12-14 10:22 spiderlibcommons-io-1.3.2.jar
文件 159509 2016-09-01 10:57 spiderlibcommons-io-2.0.1.jar
文件 279193 2016-12-14 16:12 spiderlibcommons-lang-2.5.jar
文件 284220 2016-12-14 10:22 spiderlibcommons-lang-2.6.jar
文件 315805 2016-12-14 10:22 spiderlibcommons-lang3-3.1.jar
文件 62050 2016-12-14 10:22 spiderlibcommons-logging-1.1.3.jar
文件 61829 2016-08-18 14:33 spiderlibcommons-logging-1.2.jar
文件 45405 2016-12-14 16:12 spiderlibcommons-logging.jar
文件 96221 2016-08-10 16:37 spiderlibcommons-pool-1.5.4.jar
文件 100193 2016-12-14 10:22 spiderlibcommons-pool-1.5.5.jar
文件 77826 2016-12-14 16:12 spiderlibezmorph-1.0.3.jar
文件 356654 2016-12-14 10:22 spiderlibfastjson-1.1.37.jar
............此处省略26个文件信息
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件举报,一经查实,本站将立刻删除。
评论列表(条)