码农知识堂 - 1000bd
  •   Python
  •   PHP
  •   JS/TS
  •   JAVA
  •   C/C++
  •   C#
  •   GO
  •   Kotlin
  •   Swift
  • 简单介绍webmagic的使用


    一、引入webmagic包

    1. <dependency>
    2. <groupId>us.codecraft</groupId>
    3. <artifactId>webmagic-core</artifactId>
    4. <version>${webmagic.core.version}</version>
    5. <exclusions>
    6. <exclusion>
    7. <artifactId>slf4j-api</artifactId>
    8. <groupId>org.slf4j</groupId>
    9. </exclusion>
    10. </exclusions>
    11. </dependency>

    二、启动爬虫

    1. Request request = new Request();
    2. request.setMethod("GET");
    3. request.setUrl("http://***");
    4. request.addHeader("client_signature", content);
    5. Spider.create(new MPageProcessor())
    6. .addRequest(request)
    7. .addPipeline(new MPipeline(start))
    8. .thread(1)
    9. .start();

    三、PageProcessor

    当然还有更多html内容的分析,看其它文章

    1. public class MPageProcessor implements PageProcessor {
    2. private Site site = Site.me().setSleepTime(3000).setTimeOut(120000);
    3. @Override
    4. public void process(Page page) {
    5. String text = page.getRawText();
    6. // System.out.println(text);
    7. JSONObject result = JSONUtil.parseObj(text);
    8. page.putField("data", result.getJSONObject("data"));
    9. }
    10. @Override
    11. public Site getSite() {
    12. return site;
    13. }
    14. }

    四、Pipeline

    1. public class MPipeline implements Pipeline {
    2. private Date start;
    3. public MPipeline(Date start){
    4. this.start = start;
    5. }
    6. @Override
    7. public void process(ResultItems resultItems, Task task) {
    8. JSONObject data = resultItems.get("data");
    9. int total = data.getJSONObject("queryBean").getInt("total");
    10. System.out.println(total);
    11. Date end = new Date();
    12. System.out.println(DateUtil.format(end, "yyyy-MM-dd HH:mm:ss.SSSSSS"));
    13. System.out.println("总耗时:"+DateUtil.formatBetween(start, end, BetweenFormatter.Level.MILLISECOND));
    14. }
    15. }

  • 相关阅读:
    记一次 ERROR scheduler.AsyncEventQueue: Dropping event from queue shared导致OOM
    企业电子招标采购系统源码Spring Boot + Mybatis + Redis + Layui + 前后端分离 构建企业电子招采平台之立项流程图
    解决拯救者r9000p-rtl8852ae无线网卡ubuntu18.04没有网络适配器
    linux之信号量的删除
    CSS属性:定位属性+案例讲解:博雅互动 前端开发入门笔记(五)
    Mysql索引
    Gin路由基础
    C++成员指针
    论文解读(DCN)《Towards K-means-friendly Spaces: Simultaneous Deep Learning and Clustering》
    【论文翻译】使用区块链的非阻塞两阶段提交
  • 原文地址:https://blog.csdn.net/ihchenchen/article/details/133701167
  • 最新文章
  • 攻防演习之三天拿下官网站群
    数据安全治理学习——前期安全规划和安全管理体系建设
    企业安全 | 企业内一次钓鱼演练准备过程
    内网渗透测试 | Kerberos协议及其部分攻击手法
    0day的产生 | 不懂代码的"代码审计"
    安装scrcpy-client模块av模块异常,环境问题解决方案
    leetcode hot100【LeetCode 279. 完全平方数】java实现
    OpenWrt下安装Mosquitto
    AnatoMask论文汇总
    【AI日记】24.11.01 LangChain、openai api和github copilot
  • 热门文章
  • 十款代码表白小特效 一个比一个浪漫 赶紧收藏起来吧!!!
    奉劝各位学弟学妹们,该打造你的技术影响力了!
    五年了,我在 CSDN 的两个一百万。
    Java俄罗斯方块,老程序员花了一个周末,连接中学年代!
    面试官都震惊,你这网络基础可以啊!
    你真的会用百度吗?我不信 — 那些不为人知的搜索引擎语法
    心情不好的时候,用 Python 画棵樱花树送给自己吧
    通宵一晚做出来的一款类似CS的第一人称射击游戏Demo!原来做游戏也不是很难,连憨憨学妹都学会了!
    13 万字 C 语言从入门到精通保姆级教程2021 年版
    10行代码集2000张美女图,Python爬虫120例,再上征途
Copyright © 2022 侵权请联系2656653265@qq.com    京ICP备2022015340号-1
正则表达式工具 cron表达式工具 密码生成工具

京公网安备 11010502049817号