/Crawler

a simple crawler by java

Primary LanguageJava

用Java语言实现的一个简易网络爬虫

目标

爬取知乎网的推荐页面的所有问题、问题链接、问题链以及关于对问题的回答,然后将它们打印在控制台。后序进阶会将爬去结果保存到数据库中,详细教程见我博客codingXiaxw' blog 。博客地址为:http://codingxiaxw.cn 爬虫系列项目地址为: http://codingxiaxw.cn/2016/10/20/20-%E7%94%A8Java%E5%86%99%E7%BD%91%E7%BB%9C%E7%88%AC%E8%99%AB%E4%B8%80%E4%B9%8B%E9%A1%B9%E7%9B%AE%E4%BB%8B%E7%BB%8D/

博客用了以下四篇文章来介绍,目前完成了前三篇,所以附上经过前三篇文章的教程后得到的爬取效果:

博客一览表:

效果图

搭建环境

目前只用到IntelliJ IDEA + chrome 后序完成第四篇文章介绍的知识时,会用到数据库MySQL

项目介绍

其中只有三个.java文件是需要的,SpaceMessage.java、Demo.java、Main.java、Main2.java、Main3.Java这四个文件是我玩玩写的demo,只需看Spider.java、Main4.java、Zhihu.java这三个文件。

  • Spider.java:1.sendGet()方法获取网页源码。2.regexString()方法用于返回和网页源码匹配到的结果(即我们需要的内容)。
  • Zhihu.java:封装我们需要的内容。
  • Main4.java:传入需要爬取页面的url。

使用方法