栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Java

springboot爬虫webmagic

Java 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

springboot爬虫webmagic

导入依赖
        
            us.codecraft
            webmagic-core
            0.7.3
        
        
            us.codecraft
            webmagic-extension
            0.7.3
        
爬取信息

实现接口PageProcessor,重写方法process和getSite

@Service
public class JobServiceImpl extends ServiceImpl implements JobService, PageProcessor {
    //爬取的地址
    private static String url = "https://www.jobui.com/jobs?jobKw=Java&cityKw=%E5%8C%97%E4%BA%AC";

    //开始爬取
    public void add() {
        Spider.create(this).
                addUrl(url).
                thread(5).run();
    }

    @Override
    public void process(Page page) {
        ArrayList jobs = new ArrayList<>();
        //选中对应的项    标签.类选择器class 空格代表下一个标签     多个类标签可.类选择器.类选择器   标签#id选择器
        List nodes = page.getHtml().css("ul.j-jobList li.jobui-container.job-search-list").nodes();
        //遍历获取
        nodes.stream().forEach( node ->{
            //获取值 text属性值比如a标签可以href  node.css("a div.m-job-right-wrap div.mb15 div.job-name-wrap.segmentation h3.job-name", "text").get()
            Job job = new Job()
                    .setDurl(page.getUrl().get())
                    .setName(node.css("a div.m-job-right-wrap div.mb15 div.job-name-wrap.segmentation h3.job-name", "text").get())
                    .setSalary(node.css("div.m-job-right-wrap div.mb15 div.segmentation.flex-box div.job-list-condition-wrap span.f60.fs16.fwb", "text").get());
            jobs.add(job);
        });

        if (page.getUrl().get().equals(url)) {
            List urls=new ArrayList<>();
            //获取总页码 也可单获取界面值
            //page.getHtml().css("","text").get();
            for (int i = 0; i < 50; i++) {
                urls.add(url + "&n=" + i);
            }
            //爬取分页内容
            page.addTargetRequests(urls);
        }
    }
    //站点信息  模拟站点信息
    @Override
    public Site getSite() {
        return Site.me().setRetryTimes(3).setSleepTime(100);
    }
}
转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/940036.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号