Java爬虫:用java爬取小说 - 千锋JAVA开发陈老师

java

Java爬虫:用java爬取小说

Java也能做爬虫。

现在提到爬虫人第一个想到的就是python,其实使用Java编写爬虫也是很好的选择,

下面给大家展示一个使用Java基础语言编写的爬取小说的案例:

 

实现功能:

爬取目标网站全本小说

 

代码编写环境

JDK:1.8.0_191

Eclipse:2019-03 (4.11.0)

 

素材:

网站:http://www.shicimingju.com

小说:三国演义

 

案例实现用到的技术:

正则表达式

Java网络通信:URL

IO流

Map—HashMap

字符串操作

异常处理

 

代码思路

根据小说存放位置创建file对象

根据网页结构编写正则,创建pattern对象

编写循环,创建向所有小说章节页面发起网络请求的url对象

网络流BufferReader

创建输入流

循环读取请求得到的内容,使用正则匹配其中的内容

将读取到的内容写入本地文件,知道循环结束

注意代码中的异常处理

 

 

运行效果

 

第117章开始下载。。。。。。。。。。。。。。。。。

邓士载偷度阴平 诸葛瞻战死绵竹_《三国演义》_诗词名句网

第117章结束下载。。。。。。。。。。。。。。。。。

第118章开始下载。。。。。。。。。。。。。。。。。

哭祖庙一王死孝 入西川二士争功_《三国演义》_诗词名句网

第118章结束下载。。。。。。。。。。。。。。。。。

第119章开始下载。。。。。。。。。。。。。。。。。

假投降巧计成虚话 再受禅依样画葫芦_《三国演义》_诗词名句网

第119章结束下载。。。。。。。。。。。。。。。。。

第120章开始下载。。。。。。。。。。。。。。。。。

荐杜预老将献新谋 降孙皓三分归一统_《三国演义》_诗词名句网

第120章结束下载。。。。。。。。。。。。。。。。。

 

 

案例代码:

package com.qianfeng.text;

 

import java.io.BufferedReader;

import java.io.BufferedWriter;

import java.io.File;

import java.io.FileOutputStream;

import java.io.InputStreamReader;

import java.io.OutputStreamWriter;

import java.net.URL;

import java.util.regex.Matcher;

import java.util.regex.Pattern;

 

public class GetText {

/**

* 1、根据小说存放位置创建file对象

2、根据网页结构编写正则,创建pattern对象

3、编写循环,创建向所有小说章节页面发起网络请求的url对象

4、网络流BufferReader

5、创建输入流

6、循环读取请求得到的内容,使用正则匹配其中的内容

7、将读取到的内容写入本地文件,知道循环结束

8、注意代码中的异常处理

 

* @param args

*/

public static void main(String[] args) {

// 1、根据小说存放位置创建file对象

File file = new File("D:\\File\\three_guo.txt");

// 2、根据网页结构编写正则,创建pattern对象

String regex_content = "<p.*?>(.*?)</p>";

String regex_title = "<title>(.*?)</title>";

 

Pattern p_content = Pattern.compile(regex_content);

Pattern p_title = Pattern.compile(regex_title);

 

Matcher m_content;

Matcher m_title;

 

// 3、编写循环,创建向所有小说章节页面发起网络请求的url对象

for (int i = 1; i <= 120; i++) {

System.out.println("第" + i + "章开始下载。。。");

try {

// 创建每一个页面的url对象

URL url = new URL("http://www.shicimingju.com/book/sanguoyanyi/" + i + ".html");

// 创建网络读取流

BufferedReader reader = new BufferedReader(new InputStreamReader(url.openStream(),"utf8"));

 

// 4、读取网络内容网络流BufferReader

String str = null;

 

// 5、创建输入流

BufferedWriter writer = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(file,true)));

 

while ((str = reader.readLine()) != null) {

m_title = p_title.matcher(str.toString());

m_content = p_content.matcher(str.toString());

 

// 获取小说标题并写入本地文件

Boolean isEx = m_title.find();

if (isEx) {

String title = m_title.group();

// 清洗得到的数据

title = title.replace("<title>", "").replace("</title>", "");

System.out.println(title);

writer.write("第" + i + "章:" + title + "\n");

}

 

while (m_content.find()) {

String content = m_content.group();

// 清洗得到的数据

content = content.replace("<p>", "").replace("</p>", "").replace("&nbsp;", "").replace("?", "");

// 把小说内容写入文件

writer.write(content + "\n");

}

 

}

 

System.out.println("第" + i + "章下载完成.........");

 

writer.write("\n\n");

writer.close();

reader.close();

} catch (Exception e) {

System.out.println("下载失败");

e.printStackTrace();

}

}

}

}

 

发表于

2019-06-20 16:23 

千锋JAVA开发陈老师 

阅读(2125) 

评论(1) 

编辑 

收藏 

举报

 

以上是 Java爬虫:用java爬取小说 - 千锋JAVA开发陈老师 的全部内容, 来源链接: utcz.com/z/392189.html

回到顶部