Java获取网页数据步骤方法详解

Java获取网页数据步骤方法详解

在很多行业当中，我们需要对行业进行分析，就需要对这个行业的数据进行分类，汇总，及时分析行业的数据，对于公司未来的发展，有很好的参照和横向对比。面前通过网络进行数据获取是一个很有效而且快捷的方式。

首先我们来简单的介绍一下，利用java对网页数据进行抓取的一些步骤，有不足的地方，还望指正，哈哈。屁话不多说了。

其实一般分为以下步骤：

1：通过HttpClient请求到达某网页的url访问地址（特别需要注意的是请求方式）

2：获取网页源码

3：查看源码是否有我们需要提取的数据

4：对源码进行拆解，一般使用分割，正则或者第三方jar包

5：获取需要的数据对自己创建的对象赋值

6：数据提取保存

下面简单的说一下在提取数据中的部分源码，以及用途：

/**

* 向指定URL发送GET方法的请求

*

* @param url

* 发送请求的URL

* @param param

* 请求参数，请求参数应该是 name1=value1&name2=value2 的形式。

* @return URL 所代表远程资源的响应结果

*/

public static String sendGet(String url, String param) {

String result = "";

BufferedReader in = null;

try {

String urlNameString = urlLaKtNIgCXF;

URL realUrl = new URL(urlNameString);

// 打开和URL之间的连接

URLConnection connection = realUrl.openConnection();

// 设置通用的请求属性

LaKtNIgCXF connection.setRequestProperty("accept", "*/*");

connection.setRequestProperty("connection", "Keep-Alive");

connection.setRequestProperty("user-agent",

"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1;SV1)");

// 建立实际的连接

connection.connect();

// 获取所有响应头字段

Map> map = connection.getHeaderFields();

// 定义 BufferedReader输入流来读取URL的响应

in = new BufferedReader(new InputStreamReader(

connection.getInputStream())); //这里如果出现乱码，请使用带编码的InputStreamReader构造方法，将需要的编码设置进去

String line;

while ((line = in.readLine()) != null) {

result += line;

}

} catch (Exception e) {

System.out.println("发送GET请求出现异常！" + e);

e.printStackTrace();

}

// 使用finally块来关闭输入流

finally {

try {

if (in != null) {

in.close();

}

} catch (Exception e2) {

e2.printStackTrace();

}

}

return result;

}

解析存储数据

public Bid getData(String html) throws Exception {

//获取的数据，存放在到Bid的对象中，自己可以重新建立一个对象存储

Bid bid = new Bid();

//采用jsoup解析

Document doc = Jsoup.parse(html);

// System.out.println("doc内容" + doc.text());

//获取html标签中的内容tr

Elements elements = doc.select("tr");

System.out.println(elements.size() + "****条");

//循环遍历数据

for (Element element : elements) {

if (element.select("td").first() == null){

continue;

}

Elements tdes = element.select("td");

for(int i = 0; i < tdes.size(); i++){

this.relation(tdes,tdes.get(i).text(),bid,i+1);

}

}

return bid;

}

得到的数据

Bid {

h2 = '详见内容',

itemName = '诉讼服务中心设备采购',

item = '货物/办公消耗用品及类似物品/其他办公消耗用品及类似物品',

itemUnit = '详见内容',

areaName = '港北区',

noticeTime = '2018年10月22日 18:41',

itemNoticeTime = 'null',

itemTime = 'null',

kaibiaoTime = '2018年10月26日 09:00',

winTime = 'null',

kaibiaoDiDian = 'null',

yusuanMoney = '￥67.00元（人民币）',

allMoney = 'null',

money = 'null',

text = ''

}

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。