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:
    寒假训练——第四周(素数|因数)
    大数据之ZooKeeper(一)
    Linux内核汇编代码分析
    高压放大器在超声马达中的应用有哪些
    聊聊预训练模型的微调
    MySQL Explain关键字:`EXPLAIN ANALYZE` 的使用
    小程序源码:社群微群人脉系统小程序版本源码下载带流量主功能实现广告效益
    TDengine学习(1):采集量(Metric),标签(label),数据采集点,表,超级表,子表、库
    太阳能发电与蓄电池研究(Matlab代码实现)
    面试题------B树和B+树的区别,以及为什么使用B+树而不用B树
  • 原文地址:https://blog.csdn.net/ihchenchen/article/details/133701167
  • 最新文章
  • 沪漂五周年了:我越来越迷茫了
    Agentic Skill Routing 实战:别再把所有 Skill 塞进 AI Agent 上下文
    MySQL-Seconds_behind_master的精度误差
    [MAF预定义ChatClient中间件-03]CachingChatClient——利用缓存省钱省时间
    AI的至暗历史:从万众期待到被政府撤资,AI的两次死亡徘徊
    Agent OS :五种驯服不确定性的范式
    PortSwigger SQL注入LAB11
    数据库即时编译JIT
    [Begin]AI Learn Data Day 0
    深度学习进阶(二十七)现代 LLM 的核心架构设计其二:SwiGLU
  • 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
小工具 小游戏
Copyright © 2022 侵权请联系2656653265@qq.com    京ICP备2022015340号-1

京公网安备 11010502049817号