《Java网络爬虫简单实现》.docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
《Java网络爬虫简单实现》.doc

首先介绍每个类的功能: DownloadPage.java的功能是下载此超链接的页面源代码. FunctionUtils.java 的功能是提供不同的静态方法,包括:页面链接正则表达式匹配,获取URL链接的元素,判断是否创建文件,获取页面的Url并将其转换为规范的Url,截取网页网页源文件的目标内容。 HrefOfPage.java 的功能是获取页面源代码的超链接。 UrlDataHanding.java 的功能是整合各个给类,实现url到获取数据到数据处理类。 UrlQueue.java 的未访问Url队列。 VisitedUrlQueue.java 已访问过的URL队列。 下面介绍一下每个类的源代码: DownloadPage.java 此类要用到HttpClient组件。? package com.sreach.spider; import java.io.IOException; import org.apache.http.HttpEntity; import org.apache.http.HttpResponse; import org.apache.http.client.ClientProtocolException; import org.apache.http.client.HttpClient; import org.apache.http.client.methods.HttpGet; import org.apache.http.impl.client.DefaultHttpClient; import org.apache.http.util.EntityUtils; public class DownloadPage { ???? /** ??????* 根据URL抓取网页内容 ??????*? ??????* @param url ??????* @return ??????*/ ???? public static String getContentFormUrl(String url) ???? { ???????? /* 实例化一个HttpClient客户端 */ ???????? HttpClient client = new DefaultHttpClient(); ???????? HttpGet getHttp = new HttpGet(url); ???????? String content = null; ???????? HttpResponse response; ???????? try ???????? { ???????????? /*获得信息载体*/ ???????????? response = client.execute(getHttp); ???????????? HttpEntity entity = response.getEntity(); ???????????? VisitedUrlQueue.addElem(url); ???????????? if (entity != null) ???????????? { ???????????????? /* 转化为文本信息 */ ???????????????? content = EntityUtils.toString(entity); ???????????????? /* 判断是否符合下载网页源代码到本地的条件 */ ???????????????? if (FunctionUtils.isCreateFile(url) ???????????????????????? FunctionUtils.isHasGoalContent(content) != -1) ???????????????? { ???????????????????? FunctionUtils.createFile(FunctionUtils ???????????????????????????? .getGoalContent(content), url); ???????????????? } ???????????? } ???????? } catch (ClientProtocolException e) ???????? { ???????????? e.printStackTrace(); ???????? } catch (IOException e) ???????? { ???????????? e.printStackTrace(); ???????? } finally ???????? { ???????????? client.getConnectionManager().sh

文档评论(0)

wyth + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档