首页 > 编程 > Java > 正文

jsoup如何爬取图片到本地

2019-11-26 10:21:25
字体:
来源:转载
供稿:网友

因为项目需求,需要车辆品牌信息和车系信息,昨天用一天时间研究了jsoup爬取网站信息。项目是用maven+spring+springmvc+mybatis写的。

jsoup开发指南地址 

这个是需要爬取网站的地址 https://car.autohome.com.cn/zhaoche/pinpai/

1.首先在pom.xml中添加依赖

因为需要把图片保存到本地所以又添加了commons-net包

<!-- https://mvnrepository.com/artifact/org.jsoup/jsoup -->    <dependency>      <groupId>org.jsoup</groupId>      <artifactId>jsoup</artifactId>      <version>1.10.3</version>    </dependency><!-- https://mvnrepository.com/artifact/commons-net/commons-net -->    <dependency>      <groupId>commons-net</groupId>      <artifactId>commons-net</artifactId>      <version>3.3</version>    </dependency>

2.爬虫代码的实现

@Controller@RequestMapping("/car/")public class CarController {  //图片保存路径  private static final String saveImgPath="C://imgs";  /**  * @Title: insert 品牌名称 和图片爬取和添加  * @Description:   * @param @throws IOException    * @return void    * @throws  * @date 2018年1月29日 下午4:42:57  */   @RequestMapping("add")  public void insert() throws IOException {    //定义想要爬取数据的地址    String url = "https://car.autohome.com.cn/zhaoche/pinpai/";    //获取网页文本    Document doc = Jsoup.connect(url).get();    //根据类名获取文本内容    Elements elementsByClass = doc.getElementsByClass("uibox-con");    //遍历类的集合    for (Element element : elementsByClass) {      //获取类的子标签数量      int childNodeSize_1 = element.childNodeSize();      //循环获取子标签内的内容      for (int i = 0; i < childNodeSize_1; i++) {        //获取车标图片地址        String tupian = element.child(i).child(0).child(0).child(0).child(0).attr("src");        //获取品牌名称        String pinpai = element.child(i).child(0).child(1).text();        //输出获取内容看是否正确        System.out.println("车标图片地址-----------" + tupian);        System.out.println("品牌-----------" + pinpai);        System.out.println();        //把车标图片保存到本地        String tupian_1 = "http:"+tupian;        //连接url        URL url1 = new URL(tupian_1);        URLConnection uri=url1.openConnection();        //获取数据流        InputStream is=uri.getInputStream();        //获取后缀名        String imageName = tupian.substring(tupian.lastIndexOf("/") + 1,tupian.length());        //写入数据流        OutputStream os = new FileOutputStream(new File(saveImgPath, imageName));        byte[] buf = new byte[1024];        int p=0;        while((p=is.read(buf))!=-1){          os.write(buf, 0, p);        }        /**         * 因为每个品牌下有多个合资工厂         * 比如一汽大众和上海大众还有进口大众         * 所有需要循环获取合资工厂名称和旗下         * 车系         */                //获取车系数量        int childNodeSize_2 = element.child(i).child(1).child(0).childNodeSize();        /**         * 获取标签下子标签数量         * 如果等于1则没有其他合资工厂         */        int childNodeSize_3 = element.child(i).child(1).childNodeSize();        if(childNodeSize_3==1){          //循环获取车系信息          for (int j = 0; j < childNodeSize_2; j++) {            String chexi = element.child(i).child(1).child(0).child(j).child(0).child(0).text();            System.out.println("车系-----------" + chexi);          }        }else{          /**           * 如果childNodeSize_3大于1           * 则有多个合资工厂           */          //分别获取各个合资工厂旗下车系          for (int j = 0; j < childNodeSize_3; j++) {                        int childNodeSize_4 = element.child(i).child(1).child(j).childNodeSize();            /**             * 如果j是单数则是合资工厂名称             * 否则是车系信息             */            int k = j%2;                        if(k==0){              //获取合资工厂信息              String hezipinpai = element.child(i).child(1).child(j).child(0).text();              System.out.println("合资企业名称-----------" + hezipinpai);            }else{              //int childNodeSize_5 = element.child(i).child(1).child(0).childNodeSize();              //循环获取合资工厂车系信息              for(int l = 0; l < childNodeSize_4; l++){                String chexi = element.child(i).child(1).child(j).child(l).child(0).child(0).text();                System.out.println("车系-----------" + chexi);              }            }          }                  }                System.out.println("************************");        System.out.println("************************");              }    }  }}

3.运行结果

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持武林网。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表