阅读 549

Java网络爬虫实操(6)

上一篇:Java网络爬虫实操(5)

大家好,前几篇文章一直提到用xpath去解析html。由于是演示代码,所以看上去都简洁明了的。其实在生产环境下,我们需要获取的数据往往不是一点点,如何让获取数据的代码写的更加清晰、优雅呢?

本篇文章尝试用注解的方式实现一下,大家看看是否好一点。

1) 目标

  • 随便找一个网站,获取上面列表类的数据
    目标数据的界面

2) 之前的解析类

  • 在process方法中围绕我们想要的数据,努力去定位、查找
package com.cv4j.netdiscovery.example;

import com.cv4j.netdiscovery.core.domain.Page;
import com.cv4j.netdiscovery.core.parser.Parser;
import java.util.List;

public class TestParser implements Parser {
    @Override
    public void process(Page page) {
        //最新网申
        List<String> newApplyList = page.getHtml().xpath("//dl[@id='dlFull']/dd/div/div/p[@title]/a/text()").all();
        page.getResultItems().put("newApplyList", newApplyList);
        //最新实习
        List<String> newWorkList = page.getHtml().xpath("//dl[@id='dlPart']/dd/div/div/p[@title]/a/text()").all();
        page.getResultItems().put("newWorkList", newWorkList);
    }
}
复制代码

3) 使用注解之后的解析类

  • 只要继承类AnnotationParser,不要实现接口Parser
  • 别忘记添加 super.process(page)
  • 在pipeline类中,用变量名称作为key从map中获取对应的值
  • 可以用框架自带的ConsolePipeline类做测试
package com.cv4j.netdiscovery.example;

import com.cv4j.netdiscovery.core.domain.Page;
import com.cv4j.netdiscovery.core.parser.AnnotationParser;
import com.cv4j.netdiscovery.core.parser.annotation.ExtractBy;

import java.util.List;

public class TestParser extends AnnotationParser {
    //最新网申
    @ExtractBy.XPath("//dl[@id='dlFull']/dd/div/div/p[@title]/a/text()")
    private List<String> newApplyList;

    //最新实习
    @ExtractBy.XPath("//dl[@id='dlPart']/dd/div/div/p[@title]/a/text()")
    private List<String> newWorkList;

    @Override
    public void process(Page page) {
        super.process(page);  //这行代码不能缺

        //process里一行代码也不用写,在上面通过注解就可以获取我们要的数据了
    }
}
复制代码

4) 运行结果

  • 首页上最新网申和最新实习的标题数据如下:
    结果

5) 总结

总之,一个好的框架的目标是希望能用的前提下,用的更好、更爽。好像汽车品牌一样,虽然都是四个轮子的,几万的也有,几十万的也很多。

有兴趣的小伙伴可以关注这个爬虫框架NetDiscovery,基本上每周都有更新的。

下一篇:Java网络爬虫实操(7)

关注下面的标签,发现更多相似文章
评论