- 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、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、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、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 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、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、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
您可能关注的文档
最近下载
- 2025《几何画板在数学教学中的应用研究文献综述》1800字.docx VIP
- 湘美版高中美术绘画 奏响色彩的旋律(共28张PPT)(内嵌视频).pptx VIP
- 规范《DLT555-2004-气体绝缘金属封闭开关设备现场耐压及绝缘试验导则》.pdf VIP
- 2025巧用几何画板开拓数学思维作一个角等于已知角教学思考.docx VIP
- 标日初级第1课练习.doc VIP
- Unit4EatwellSectionA2a-2e英文版教案人教版(2024)七年级英语下册.docx
- 教学经验分享.ppt VIP
- 2025届高考数学复习备考策略课件.pptx VIP
- 2013年考研英语一真题解析.pdf VIP
- 第2课 教师节快乐(教学设计)2025二年级上册道德与法治 - 副本.docx
文档评论(0)